Deep-Live-Cam 实时换脸完整教程一张照片让摄像头实时变身【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在一场视频通话里对方屏幕上的你其实是另一个人——只用了一张正面照片就在普通 PC 上做到了。这就是开源项目 Deep-Live-Cam 的核心能力基于单张图片的实时换脸与一键视频深度伪造deepfake。它把原本需要专业视频后期流程的换脸工作压缩成选照片、选目标、点开始的操作且支持摄像头实时预览。本文不夸大效果先把它的真实能力边界讲清楚再给出完整的安装路径、三个可直接照做的场景配方以及调参和排错速查表。先说清楚它能做到什么做不到什么Deep-Live-Cam 的输出效果取决于两样东西源照片质量和目标画面质量。在光照均匀的条件下换脸后的人脸能跟随目标人物的表情、转头和姿态变化肤色与光影基本协调在侧脸、强逆光或目标人物模糊的场景下会出现边缘发虚、肤色漂移甚至丢失人脸的情况。它的能力清单可以归纳为四项实时摄像头换脸选择源人脸照片后点Live摄像头画面实时替换预览窗口出现通常需要 10–30 秒配合 OBS 等推流工具即可用于直播。视频离线处理选择目标视频文件输出换脸后的新视频支持保留原音轨Keep audio和原帧率Keep fps。多人脸场景Many faces 开关把画面里所有检测到的人脸都替换掉Map faces 则让你手动指定哪张源脸对应哪张目标脸。嘴部保留Mouth Mask把口型区域保留为原始画面解决换脸后口型不同步的常见问题适合说话类视频。需要明确的限制它不是无脑工具纯 CPU 可以跑但帧率有限目标画面里的人脸越正、越清晰结果越好输出是否合规责任在使用者详见文末边界与底线。跑起来环境准备、安装与首次运行环境要求与硬件参考前置依赖只有三样Python 3.11–3.14官方推荐 3.14、pip 和 ffmpeg。ffmpeg 是硬依赖程序启动时会检查缺失会直接报错退出。硬件环境可用执行引擎预期表现无独立显卡纯 CPUcpu可运行帧率较低适合离线处理短视频NVIDIA 显卡cuda需 CUDA 12.8 cuDNN 8.9.7体验最佳实时换脸的主力配置Apple SiliconM 系列coreml官方专门适配效果接近 NVIDIA 档Windows AMD/Intel 显卡directml/openvino可用性能介于 CPU 与 CUDA 之间执行引擎execution provider由 onnxruntime 提供程序默认会自动选择优先级最高的一种cuda rocm coreml openvino dml cpu一般不需要手动指定。安装步骤git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam接着按顺序做三件事准备模型文件。把inswapper_128_fp16.onnx和GFPGANv1.4两个模型放进models/目录models/instructions.txt 中附了下载地址。首次运行时程序也会自动下载一部分模型约 300MB。创建虚拟环境并安装依赖。官方强烈建议用 venv避免污染系统 Pythonpython -m venv venv pip install -r requirements.txtmacOSApple Silicon需要先brew install python3.14和brew install python-tk3.14然后用python3.14创建虚拟环境。 3.启动。python run.py首次启动稍慢加载模型之后主界面会依次显示源人脸选择区、目标选择区、选项开关区、摄像头选择区和 Start / Live 按钮。三个场景配方照做即可配方一摄像头实时换脸直播 / 视频通话前置条件一张清晰的正脸源照片512×512 以上、光照均匀能正常被系统识别的摄像头。操作步骤启动程序点 Select a face 选择源照片在底部 Camera 区选中你的摄像头点 Live等待预览窗口出现10–30 秒如需推流用 OBS 以窗口捕获方式采集预览画面。预期效果摄像头中你的人脸实时被替换表情和姿态跟随本人想换一个人直接重新选源照片即可。如果口型明显不同步把 Refinement 区的 Mouth Mask 滑杆从 0 调大可逐步露出原始嘴部。配方二给电影片段换角色前置条件一段本地视频文件1080p 以内处理最快目标人物在画面中为正脸或接近正脸。操作步骤Select a target 选择视频打开 Keep audio保留音轨和 Keep fps保留帧率想要更细腻的面部细节把 Face Enhancer 从 None 切到 GFPGAN选择输出路径点 Start。预期效果输出视频保存在你指定的位置角色被替换而音轨、节奏不变。处理长视频时程序会先抽帧或走内存流水线耗时与视频长度成正比中途可点 Destroy 停止并清理临时文件。配方三多人合影或群像视频换脸前置条件目标画面中有多张人脸你想控制谁换谁。操作步骤打开 Many faces全部替换或 Map faces指定替换选 Map faces 后点 Start程序会先扫描目标里出现的所有不同人脸弹出映射窗口在窗口里为每张目标脸指定对应的源脸提交后开始处理。预期效果画面中多个人物各自换成指定的人互不串脸。这是做多人互动内容如群像短片最直接的用法。原理速览一帧画面是怎么被换掉的不必读源码也能理解整条链路核心是检测—交换—增强—融合四步每步对应一个模块目标帧 ── 人脸检测(InsightFace) ── 换脸推理(inswapper_128) ── 可选增强(GFPGAN/GPEN) ── 掩膜贴回融合 ── 输出帧 modules/face_analyser.py face_swapper.py face_enhancer*.py face_masking.py人脸检测modules/face_analyser.py基于 InsightFace 在每帧中定位人脸并提取特征与关键点对齐。换脸推理modules/processors/frame/face_swapper.py源脸的 embedding 送入inswapper_128_fp16.onnx生成与目标姿态、表情匹配的新脸。可选增强face_enhancer.py/face_enhancer_gpen256.py/face_enhancer_gpen512.py对换好的脸做超分辨率提升细节代价是耗时。贴回与融合face_masking.py用椭圆掩膜把新脸贴回原图可选 Poisson 混合让边缘过渡更自然再处理嘴部、色彩偏移等细节。视频模式下帧由 ffmpeg 管道抽入内存处理或落盘为临时帧编码后经modules/utilities.py中的音频恢复逻辑还原音轨。另外程序内置 NSFW 过滤modules/predicter.py基于 opennsfw2开启后会自动拒绝处理不当内容。调优与排错关键开关与滑杆含义选项作用使用建议Many faces替换画面中所有人脸单人场景保持关闭更快更稳Map faces手动指定源脸与目标脸的对应关系多人视频必用Poisson Blend泊松混合柔化脸部边缘边缘有明显接缝时打开Fix Blueish Cam修正部分摄像头的蓝/绿色偏直播场景常开Face EnhancerNone/GFPGAN/GPEN-512/GPEN-256换脸后超分增强离线视频可开实时场景看帧率取舍Transparency原图与换脸结果的混合比例0–100%0% 等于关闭换脸可调半融合效果Mouth Mask0 为换脸嘴100 为保留原始嘴部口型不同步时从低往高调Keep fps / Keep audio输出保留原帧率 / 原音轨视频处理默认都开命令行参数见 modules/core.py还能控制--execution-threadsCPU 线程数、--max-memory内存上限 GB、--video-encoder与--video-quality等批量处理时比界面更方便。症状 → 处理速查表症状常见原因处理办法启动即提示 ffmpeg 未安装系统缺少 ffmpeg安装 ffmpeg 并确保其在 PATH 中重启程序界面打不开 / 报 tkinter 错误macOS缺少 python-tkbrew install python-tk3.14后重建虚拟环境报模型加载错误models/目录文件缺失或放错位置按models/instructions.txt补齐两个模型文件检测不到人脸目标画面侧脸、模糊或过小换更清晰的源照片目标尽量正脸、放大人物换脸边缘生硬、肤色不匹配未做融合/色偏未修正打开 Poisson Blend直播场景打开 Fix Blueish Cam口型不同步换掉的嘴与说话不匹配调大 Mouth Mask 滑杆实时预览卡顿、FPS 低跑在 CPU 上或开了增强换用 cuda/coreml/directml 执行引擎关掉 Face Enhancer降低摄像头分辨率依赖装完仍闪退依赖版本冲突删除 venv 重建再pip install -r requirements.txt程序自带性能显示打开 Show FPS 可在实时预览窗口看到当前帧率普通 PC 上的表现可参考项目自带的性能演示。边界与底线这部分不是一句套话而是这个项目实际内置的机制和使用者的实际责任授权使用真人照片前必须获得本人同意。用别人脸做内容而未经许可可能侵犯肖像权甚至触犯法律。标注把换脸结果发布到公开渠道时应明确标注这是 AI 生成的深度伪造内容避免被当作真实影像传播。内容限制程序内置不当内容检测NSFW 过滤可防止对色情、暴力等敏感素材进行处理开发者也保留在必要时添加水印或停止项目的权利。责任归属开源项目方不为使用者的行为负责。它定位为 AI 内容生产工具角色动画、虚拟形象、创意内容用在哪、怎么发由使用者自己把关。收尾Deep-Live-Cam 的价值在于把实时换脸的门槛从服务器集群降到了个人电脑一张照片、三个点击、一个可以持续迭代的开源代码库。它离无脑可用还差一点硬件和参数的讲究但一旦跑通你能做的内容和需要的外围工具就少了很多。装上它从一段十秒的测试视频开始比从任何大项目开始都合适。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考