尧图网页设计 
Deep-Live-Cam 实时换脸教程5 步拿到成品全程本地跑不用服务器【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-CamDeep-Live-Cam 是一个完全本地运行的实时换脸工具丢给它一张照片它就能把摄像头画面或视频里的人脸实时替换掉。面向不想写代码、不想维护服务器的创作者视频通话、直播、玩梗视频都能覆盖。先看到效果 跑通之后你能拿到什么不用急着看安装细节先看结果。左边是程序运行中的界面右边是换完脸之后的画面——人物动作、口型都还在只有脸变成了你指定的那张照片下面是三种典型玩法对着摄像头直播时脸实时变、整部电影逐帧批量替换、群像视频里每个人换成不同的脸。往下看每一种都有具体操作。一次性准备三步从空目录到弹窗1. 装好环境和依赖先确认 Python 版本3.11 到 3.14 都可以官方推荐 3.14系统里还需要有 git。git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam # 拉取项目代码并进入目录python3 -m venv venv # 建虚拟环境避免污染系统 Python source venv/bin/activate # 激活环境Windows 改用 venv\Scripts\activate pip install -r requirements.txt # 安装全部依赖依赖清单见 requirements.txt。注意onnxruntime这一项会按系统自动挑版本macOS ARM 装的是 CoreML 版其他平台装 onnxruntime-gpu不用你手动处理。2. 把两个模型文件放进 models/ 目录换脸效果由两个模型决定需要手动下载放到models/inswapper_128_fp16.onnx换脸核心模型约 380MBGFPGANv1.4.pth人脸增强模型下载地址写在 models/instructions.txt 里。放好后确认一下ls models/ # 检查两个模型文件是否都在 models 目录另外记住一点第一次启动时程序还会自动下载约 300MB 的人脸检测等辅助模型所以这一阶段保持网络畅通别中途取消。3. 启动并认识界面python run.py # 启动图形界面几秒后弹窗打开左侧是源人脸照片选择区和目标选择区可以选摄像头、图片或视频文件底部是 Start 和 Live 两个按钮——Start 用于处理文件Live 用于摄像头实时模式。到这里准备工作就完成了。三个真实场景实操视频通话、直播时人对着镜头脸实时变这是 Live 模式的用武之地。操作路径源人脸选一张高质量正脸照越清晰替换越稳在界面上选对摄像头按下 Live等 1030 秒预览窗口出现换好脸的摄像头画面画面在动就说明跑通了想中途换人重新选一张源图即可不用重启程序要对外推流用 OBS 这类工具截取预览窗口就行光线差时先调高摄像头亮度再开 Live 选表情中性、光线均匀的正脸照换出来的脸最不容易穿帮。处理整部电影或长视频逐帧替换拿成品目标是拿到一份成品文件。操作路径源人选好照片目标区选视频文件点 Start程序逐帧处理输出保存在以目标视频命名的目录里界面上保留原帧率保留原音轨对应的开关键别关勾选人脸增强能还原皮肤细节但明显更耗时长视频先剪 10 秒片段试跑满意了再处理完整版正式出片用--video-quality调画质默认 18取值 051多人脸玩梗给每个人分配不同的脸群像视频里可以让每个人换成不同的脸几分钟出一个表情包视频python run.py -t group.mp4 --many-faces --map-faces # 处理画面中所有人脸并启用人脸映射在界面里打开 Many Faces 和 Map Faces 开关然后用映射功能把每张源图指派给画面中指定的人。更快更稳 ️硬件加速与资源限制程序通过--execution-provider参数选择执行后端取值定义见 modules/globals.py按你的硬件对号入座你的硬件启动命令说明NVIDIA 显卡python run.py --execution-provider cuda需先装 CUDA 12.8 和 cuDNN 8.9Apple Siliconpython run.py --execution-provider coreml依赖装好即可用AMD 显卡Windowspython run.py --execution-provider directml需另装 onnxruntime-directmlIntel 平台python run.py --execution-provider openvino需与 OpenVINO 版本配对普通 CPUpython run.py默认最慢但最稳界面里的性能监控面板会实时显示帧率、处理耗时和硬件占用卡顿时先看面板判断该调哪个参数长视频处理时内存可能越涨越高提前设上限更稳python run.py --max-memory 8 # 限制程序最大内存为 8GB 拿不准就先不加参数用 CPU 跑通全流程确认功能没问题后再逐项升级到对应的硬件加速。排错手册 ⚠️四个最常出现的问题macOS 启动提示 No module named _tkinter现象只在 macOS 上出现启动即报这个错。原因系统 Python 没带图形界面支持包。修复装上对应版本的 python-tkbrew install python-tk3.14 # 安装 Python 3.14 的 tkinter 支持包启动报 Model not found 或加载失败现象模型找不到程序起不来。原因两个模型文件没放进models/或下载中断导致文件不完整。修复先看文件是否齐全、大小是否正常ls -lh models/ # 检查两个模型是否都在且大小正常对比 models/instructions.txt 里的来源重新下载同时确认首次运行时的自动下载没被取消。选了 cuda 却回落到 CPU现象报 CUDA 相关错误或明明指定了 cuda 实际还在用 CPU 跑。原因onnxruntime-gpu 找不到 CUDA/cuDNN 运行时库。修复按顺序装好 CUDA Toolkit 12.8 和 cuDNN 8.9.7再重装onnxruntime-gpu。想最快恢复运行最省事的办法是先删掉--execution-provider cuda纯 CPU 跑起来再说。帧率掉到个位数画面一顿一顿现象Live 画面卡顿FPS 显示个位数。原因在 CPU 上跑、画面里的人脸太多、或源图分辨率过高三者常见其一或叠加。修复切到 GPU 执行器对照上一节硬件表减少同时处理的人脸数量换一个较小的输出分辨率。底线要清楚卡住有地方找使用他人面孔前先拿到本人同意分享成品时明确标注这是深度伪造不用于欺诈、诽谤等非法用途不处理暴力和其他敏感素材这是个创作工具怎么用取决于你上面四条是底线。卡住的话先去项目仓库的 Issue 区搜相同报错关键词多数问题都有现成答案。【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 Deep-Live-Cam 实时换脸教程：5 步拿到成品，全程本地跑不用服务器
Deep-Live-Cam 实时换脸教程5 步拿到成品全程本地跑不用服务器【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-CamDeep-Live-Cam 是一个完全本地运行的实时换脸工具丢给它一张照片它就能把摄像头画面或视频里的人脸实时替换掉。面向不想写代码、不想维护服务器的创作者视频通话、直播、玩梗视频都能覆盖。先看到效果 跑通之后你能拿到什么不用急着看安装细节先看结果。左边是程序运行中的界面右边是换完脸之后的画面——人物动作、口型都还在只有脸变成了你指定的那张照片下面是三种典型玩法对着摄像头直播时脸实时变、整部电影逐帧批量替换、群像视频里每个人换成不同的脸。往下看每一种都有具体操作。一次性准备三步从空目录到弹窗1. 装好环境和依赖先确认 Python 版本3.11 到 3.14 都可以官方推荐 3.14系统里还需要有 git。git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam # 拉取项目代码并进入目录python3 -m venv venv # 建虚拟环境避免污染系统 Python source venv/bin/activate # 激活环境Windows 改用 venv\Scripts\activate pip install -r requirements.txt # 安装全部依赖依赖清单见 requirements.txt。注意onnxruntime这一项会按系统自动挑版本macOS ARM 装的是 CoreML 版其他平台装 onnxruntime-gpu不用你手动处理。2. 把两个模型文件放进 models/ 目录换脸效果由两个模型决定需要手动下载放到models/inswapper_128_fp16.onnx换脸核心模型约 380MBGFPGANv1.4.pth人脸增强模型下载地址写在 models/instructions.txt 里。放好后确认一下ls models/ # 检查两个模型文件是否都在 models 目录另外记住一点第一次启动时程序还会自动下载约 300MB 的人脸检测等辅助模型所以这一阶段保持网络畅通别中途取消。3. 启动并认识界面python run.py # 启动图形界面几秒后弹窗打开左侧是源人脸照片选择区和目标选择区可以选摄像头、图片或视频文件底部是 Start 和 Live 两个按钮——Start 用于处理文件Live 用于摄像头实时模式。到这里准备工作就完成了。三个真实场景实操视频通话、直播时人对着镜头脸实时变这是 Live 模式的用武之地。操作路径源人脸选一张高质量正脸照越清晰替换越稳在界面上选对摄像头按下 Live等 1030 秒预览窗口出现换好脸的摄像头画面画面在动就说明跑通了想中途换人重新选一张源图即可不用重启程序要对外推流用 OBS 这类工具截取预览窗口就行光线差时先调高摄像头亮度再开 Live 选表情中性、光线均匀的正脸照换出来的脸最不容易穿帮。处理整部电影或长视频逐帧替换拿成品目标是拿到一份成品文件。操作路径源人选好照片目标区选视频文件点 Start程序逐帧处理输出保存在以目标视频命名的目录里界面上保留原帧率保留原音轨对应的开关键别关勾选人脸增强能还原皮肤细节但明显更耗时长视频先剪 10 秒片段试跑满意了再处理完整版正式出片用--video-quality调画质默认 18取值 051多人脸玩梗给每个人分配不同的脸群像视频里可以让每个人换成不同的脸几分钟出一个表情包视频python run.py -t group.mp4 --many-faces --map-faces # 处理画面中所有人脸并启用人脸映射在界面里打开 Many Faces 和 Map Faces 开关然后用映射功能把每张源图指派给画面中指定的人。更快更稳 ️硬件加速与资源限制程序通过--execution-provider参数选择执行后端取值定义见 modules/globals.py按你的硬件对号入座你的硬件启动命令说明NVIDIA 显卡python run.py --execution-provider cuda需先装 CUDA 12.8 和 cuDNN 8.9Apple Siliconpython run.py --execution-provider coreml依赖装好即可用AMD 显卡Windowspython run.py --execution-provider directml需另装 onnxruntime-directmlIntel 平台python run.py --execution-provider openvino需与 OpenVINO 版本配对普通 CPUpython run.py默认最慢但最稳界面里的性能监控面板会实时显示帧率、处理耗时和硬件占用卡顿时先看面板判断该调哪个参数长视频处理时内存可能越涨越高提前设上限更稳python run.py --max-memory 8 # 限制程序最大内存为 8GB 拿不准就先不加参数用 CPU 跑通全流程确认功能没问题后再逐项升级到对应的硬件加速。排错手册 ⚠️四个最常出现的问题macOS 启动提示 No module named _tkinter现象只在 macOS 上出现启动即报这个错。原因系统 Python 没带图形界面支持包。修复装上对应版本的 python-tkbrew install python-tk3.14 # 安装 Python 3.14 的 tkinter 支持包启动报 Model not found 或加载失败现象模型找不到程序起不来。原因两个模型文件没放进models/或下载中断导致文件不完整。修复先看文件是否齐全、大小是否正常ls -lh models/ # 检查两个模型是否都在且大小正常对比 models/instructions.txt 里的来源重新下载同时确认首次运行时的自动下载没被取消。选了 cuda 却回落到 CPU现象报 CUDA 相关错误或明明指定了 cuda 实际还在用 CPU 跑。原因onnxruntime-gpu 找不到 CUDA/cuDNN 运行时库。修复按顺序装好 CUDA Toolkit 12.8 和 cuDNN 8.9.7再重装onnxruntime-gpu。想最快恢复运行最省事的办法是先删掉--execution-provider cuda纯 CPU 跑起来再说。帧率掉到个位数画面一顿一顿现象Live 画面卡顿FPS 显示个位数。原因在 CPU 上跑、画面里的人脸太多、或源图分辨率过高三者常见其一或叠加。修复切到 GPU 执行器对照上一节硬件表减少同时处理的人脸数量换一个较小的输出分辨率。底线要清楚卡住有地方找使用他人面孔前先拿到本人同意分享成品时明确标注这是深度伪造不用于欺诈、诽谤等非法用途不处理暴力和其他敏感素材这是个创作工具怎么用取决于你上面四条是底线。卡住的话先去项目仓库的 Issue 区搜相同报错关键词多数问题都有现成答案。【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