企业官网建设流程全解析

Deep-Live-Cam 实时换脸上手：一张照片接入摄像头，从安装到调帧率全流程

【免费下载链接】Deep-Live-Camreal time face swap and one-click video deepfake with only a single image项目地址: https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam

Deep-Live-Cam 是一个免费开源的本地换脸工具：只需一张源人脸照片，就能把摄像头或视频里的人脸实时替换掉，不需要训练数据集，纯 CPU 也能跑。它适合直播换形象、短视频二创、多人趣味视频这类追求快速出结果的场景；对院线级写实质感有硬性要求的影视后期，则不在它的能力范围里。

界面布局很直观：左侧选择源脸和目标，右侧是预览窗口，点 Live 即可开始。整条流程本地运行，画面不经过任何服务器。项目内置了内容过滤检查，遇到违规素材会直接拒绝处理，这是使用它前需要了解的一条底线。

搭一个最小可运行环境

先把基础依赖备齐

官方手动安装的前提条件很少，逐条核对即可：

• Python（3.11～3.14，推荐 3.14）
• pip、git
• ffmpeg（处理视频帧离不开它）
• Windows 用户额外需要 Visual Studio 2022 运行库

克隆、装依赖、启动

三条命令完成部署：

git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv

激活虚拟环境（Linux/macOS 用source venv/bin/activate，Windows 用venv\Scripts\activate），然后安装依赖并启动：

pip install -r requirements.txt python run.py

pip install一行装完所有运行库；python run.py是唯一的启动入口，图形界面和命令行批处理都从这里分发。

模型文件必须原样放进 models/ 目录

这是最容易卡住的环节。需要两个模型，文件名和后缀一个字符都不能差，清单写在 models/instructions.txt：

• inswapper_128_fp16.onnx：换脸核心模型
• GFPGANv1.4.pth：面部画质增强模型

程序按固定文件名精确匹配，改名、下成别的格式、放错目录都会触发"找不到模型"的报错。首次运行还会自动下载约 300MB 的检测相关模型，网络不佳时注意等待。

怎么确认环境真的跑通了

启动后看两个信号：主窗口正常弹出；点 Live 后，预览窗口约 10～30 秒内出现人脸，并带有绿色检测框。两条都满足就算部署成功。如果窗口弹出了但预览是黑框，九成是摄像头被别的程序占用，关掉占用方再试。

预览窗口左上角常驻 FPS 读数（如图中 15.9），右下角有推理耗时，这两个数字是后续所有调优判断的依据。

三种典型用法，按需求挑一种

图片/视频模式：一条命令出成片

不想开图形界面时，用-s（源脸）和-t（目标）参数即可进入命令行批处理：

python run.py -s 源图.jpg -t 目标视频.mp4 --keep-audio

--keep-audio保留原音轨，处理完的成片会保存在以目标视频命名的目录里。影视二创、批量混剪走这条路最省事。

摄像头直播模式：边拍边换

图形界面里选一张源脸、选定摄像头，点 Live。预览稳定后，用 OBS 这类屏幕采集工具把预览窗口的画面推流出去即可。换人只需要重新选择源图，不用重启。

多人脸与嘴部蒙版：精细化控制

画面里有多人、且想让每个人换上不同脸时，启用 Many Faces + Map Faces（命令行对应--many-faces --map-faces），源图按顺序与目标人物一一对应，避免"一张脸覆盖所有人"。

直播聊天、翻唱这类以说话为主的内容，建议勾上 Mouth Mask（--mouth-mask）。它把嘴部区域排除在替换范围之外，保留原始口型，避免换脸后唇形和声音对不上的违和感。

帧率不足时，按这个顺序调

调优不要同时动多个参数，按收益从高到低逐项来：

先看 FPS 读数，判断瓶颈。预览窗口的 FPS 是最直接的指标，对照系统资源占用：CPU 打满说明算力不够，内存告急则是另一回事。

第一步：换执行器。这是帧率提升最大的一步。NVIDIA 显卡装好 CUDA 12.8 + cuDNN 后启动加--execution-provider cuda；Windows 可装onnxruntime-directml用--execution-provider directml；Apple Silicon 用--execution-provider coreml；Intel 平台用--execution-provider openvino。各执行器的前置依赖细节都在 README 的 GPU Acceleration 一节，不建议跳过。

第二步：关面部增强。增强器（face_enhancer）对帧率消耗明显。命令行模式下默认管线只跑face_swapper；如果你在图形界面勾了 Face Enhancer，先取消它再看 FPS 变化，确认收益后再决定要不要加回。

第三步：压资源占用。内存吃紧时用--max-memory限制上限（单位 GB，默认 16，macOS 默认 4）；线程行为可用--execution-threads控制。注意 CUDA 执行器下线程数并非越多越好，程序默认会给 2 个线程，先保持默认观察。

最后才降分辨率。前面都调完仍不达标，再考虑降低预览分辨率，画质损失放在最后一步接受。

四个高频问题的排查思路

启动报找不到模型文件。把inswapper_128_fp16.onnx和GFPGANv1.4.pth按原文件名放进models/目录。原因是程序按文件名精确匹配，下载源给错了后缀或文件放进了子目录都会失败。

CPU 下又卡又糊。先关面部增强再谈加速，增强叠在 CPU 执行上开销成倍增加；有条件就切 GPU 执行器，顺序反过来收益很小。

换出来的脸边界发硬、融合感差。优先换一张正面、光线均匀、清晰度高的人物照。融合蒙版放大的是源图本身的缺陷，源图模糊或逆光时，再怎么调参数都救不回来。

摄像头打不开或黑屏。逐个关闭占用摄像头的软件，再检查系统隐私权限里相机是否授权。摄像头是独占设备，同一时刻只能有一个进程拿到画面。

想深入代码，从这三处入手

• modules/processors/frame/：单帧处理管线，face_swapper.py负责替换、face_enhancer.py负责增强、core.py定义处理器加载规则。想理解"一帧是怎么被处理的"或替换管线时看这里。
• modules/ui.py：基于 PySide6 的界面与交互逻辑，选项面板、预览窗口、Live 线程都在这里，改交互行为前必读。
• modules/core.py：全部命令行参数的定义与默认值，包括执行器优先级（cuda > rocm > coreml > openvino > dml > cpu）和内存/线程默认策略，排查"为什么默认行为是这样"时查这里。

最后提一句合规：换脸工具降低的是技术门槛，不是责任门槛。只使用本人或已获书面授权的人脸素材，公开分享时明确标注内容为 AI 合成。

【免费下载链接】Deep-Live-Camreal time face swap and one-click video deepfake with only a single image项目地址: https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam