尧图网页设计 
Deep-Live-Cam 实战教程一张照片搞定实时换脸直播10 分钟跑通首跑【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 是一款开源的实时换脸工具只需一张人脸照片就能在摄像头画面或视频文件里即时替换面孔既支持换脸直播也支持离线视频处理。本文面向只会照抄命令的新手带你一步步走完全部流程。 实时换脸三种玩法直播、离线视频与群像批量Deep-Live-Cam 的实时换脸覆盖三类场景玩法逻辑各不相同换脸直播 / 视频通话选好人脸照片点 Live再用 OBS 截取预览窗口推流加--live-mirror可得到前摄视角的镜像画面。视频换脸 离线整段素材整体替换面孔输出保留原音轨与原帧率。群像批量画面里多个人物分别绑定不同的源脸逐一对应处理。离线换脸的命令如下python run.py -s face.jpg -t clip.mp4 --keep-audio --keep-fps执行完成后成品保存在与目标视频同名的目录中。 Deep-Live-Cam 安装教程环境核对、四行命令、首次启动Deep-Live-Cam 安装教程的第一步是核对环境。要求很轻对照下表逐项确认项目要求系统Windows、macOS、Linux 均可Python3.11–3.14推荐 3.14基础工具git pip ffmpeg缺一不可硬件纯 CPU 可跑NVIDIA 独显或 Apple 芯片明显更快Windows 注意需安装 Visual Studio 2022 运行库环境就绪后按顺序执行这四行命令git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv pip install -r requirements.txtvenv 建好后先激活Windows 执行venv\Scripts\activatemacOS/Linux 执行source venv/bin/activate再装依赖。models/目录里需要两份模型文件inswapper_128_fp16.onnx和GFPGANv1.4.onnx下载地址写在 models/instructions.txt不手动放置也行首跑会自动下载约 300MB。首次启动python run.py窗口分三栏最左是源脸照片中间是目标摄像头或视频文件最右有 Live 和 Start 按钮。点下 Live10–30 秒后预览画面出现。 按硬件选执行后端实时换脸提速配置表想让实时换脸更流畅关键在--execution-provider参数它指定推理跑在哪块芯片上。不装任何额外驱动时程序会自动挑当前环境里最优的后端。核显 / 纯 CPU无额外步骤直接默认启动。中端 NVIDIA 卡先装 CUDA Toolkit 12.8.0 与 cuDNN v8.9.7把 cuDNN 的 bin 目录加进 PATH再执行pip install onnxruntime-gpu1.26.0随后加--execution-provider cuda启动。高端 NVIDIA 卡在 cuda 基础上加--execution-threads 2CUDA Graph 自动生效还能开启 face_enhancer。Apple M1–M5执行brew install python3.14 python-tk3.14CoreML 后端已随 requirements.txt 就绪用python3.14 run.py --execution-provider coreml运行。Intel 平台安装onnxruntime-openvino1.21.0启动加--execution-provider openvino。Windows 上 AMD 核显安装onnxruntime-directml1.21.0启动加--execution-provider directml。预期表现按 720p 直播预览的量级感受硬件命令要点预期表现建议分辨率集成显卡 / 纯 CPU默认python run.py勉强实时480p–720p中端 NVIDIA 独显--execution-provider cuda流畅720p高端 NVIDIA 独显cuda face_enhancer --execution-threads 2接近摄像头原生帧率1080pApple M 系列--execution-provider coreml流畅720p 换脸原理一帧画面如何走完四步流水线换脸原理并不复杂每一帧画面都按同一条流水线走四步buffalo_l 检测画面人脸 → 提取 bbox、106 点关键点与身份向量 源照片身份向量 目标脸结构 → inswapper 合成 128x128 新脸 椭圆羽化软掩膜 alpha 混合 → 把新脸贴回原帧 可选 face_enhancerGFPGAN→ 找回五官细节buffalo_l 出自 InsightFace 项目负责定位人脸、提取身份向量与 106 个关键点inswapper 再按源照片身份与目标脸结构合成一张 128×128 的新脸椭圆羽化软掩膜让贴上去的脸与周围自然过渡不露拼接痕迹最后由 GFPGAN 把糊掉的细节补回来。这些模块你无需改动知道位置便于日后查源码职责文件路径人脸检测与分析找脸、算身份向量与 106 点关键点modules/face_analyser.py换脸执行合成新脸并贴回原帧modules/processors/frame/face_swapper.py人脸增强GFPGAN 提升换脸后清晰度modules/processors/frame/face_enhancer.pyGPU 加速算子模糊、缩放、锐化走 GPUmodules/gpu_processing.py视频捕获与帧处理摄像头读取、抽帧、编码modules/video_capture.py命令行与入口参数解析、流水线调度modules/core.py 换脸调优--mouth-mask 与多人脸换脸让换脸结果更像本人调优方向有三个嘴部保留在 GUI 拖动 Mouth Mask 滑块或命令行加--mouth-mask。源脸与你的嘴型不一致时换过去的嘴会与原音轨对不上这个选项保留你自己的嘴部区域说话口型自然一致。多人脸换脸--many-faces会把画面中每一张脸都换掉适合群像--map-faces支持按人指定对应关系程序依据特征向量对目标视频中的人物聚类分组每个人可绑定不同源脸。源照片质量正脸、光线均匀、脸上无遮挡、人脸占比大。侧脸或逆光会让检测不稳口罩、手、浓重贴纸都会干扰提取。换脸排错速查五个常见问题的定位与修复排错遵循固定套路先对症状再找原因最后给解法直接查表症状原因解法窗口打不开报_tkintermacOS 端未装 tkinterbrew reinstall python-tk3.14提示ffmpeg is not installedffmpeg 未安装或 PATH 里没有装好 ffmpeg用ffprobe -version验证启动时找不到换脸模型models/里缺 inswapper 模型等首次自动下载完成或手动放入文件有 GPU 却退回 CPU 运行cuDNN 不在 PATH或 onnxruntime-gpu 版本不符按 cuDNN v8.9.7 onnxruntime-gpu1.26.0重装直播预览掉帧明显内存/显存吃紧或增强模块开着调低--max-memory或暂时关闭 face_enhancer️ 实时换脸使用红线同意、标注与内容过滤实时换脸能力很强使用红线要先划清换脸对象限自己或已明确取得本人同意的人成品公开前标注AI 合成 / deepfake不得用于冒充、诽谤、诈骗等恶意用途远离战争画面、隐私场景等敏感素材程序内置 opennsfw2 内容过滤GUI 提供 NSFW Filter 勾选框命令行对应--nsfw-filter概率超标会拒绝处理README 同时声明会遵守法律要求极端情况下项目可能暂停或给输出加水印。参与 Deep-Live-Cam 贡献三步流程与关键资源向 Deep-Live-Cam 提贡献按三步走新建分支命名如feature/your-change按 CONTRIBUTING.md 清单自测增强开/关各跑一次换脸、Map Faces 开/关都覆盖、FPS 不下降、GPU 压测至少 15 分钟分支先推到premain稳定后才合入maingit checkout -b feature/your-change git push origin feature/your-change关键资源均为仓库内相对路径项目说明与完整参数列表README.md模型放置说明models/instructions.txt贡献规范与测试清单CONTRIBUTING.md多语言文案locales/新特性与问题跟进关注仓库 Issues 页从克隆仓库到 Live 按钮亮起全程通常在十几分钟内完成。挑一张正脸照片跑通首次启动命令想让效果更稳就先加上--mouth-mask再试一轮。【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 实战教程：一张照片搞定实时换脸直播，10 分钟跑通首跑
Deep-Live-Cam 实战教程一张照片搞定实时换脸直播10 分钟跑通首跑【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 是一款开源的实时换脸工具只需一张人脸照片就能在摄像头画面或视频文件里即时替换面孔既支持换脸直播也支持离线视频处理。本文面向只会照抄命令的新手带你一步步走完全部流程。 实时换脸三种玩法直播、离线视频与群像批量Deep-Live-Cam 的实时换脸覆盖三类场景玩法逻辑各不相同换脸直播 / 视频通话选好人脸照片点 Live再用 OBS 截取预览窗口推流加--live-mirror可得到前摄视角的镜像画面。视频换脸 离线整段素材整体替换面孔输出保留原音轨与原帧率。群像批量画面里多个人物分别绑定不同的源脸逐一对应处理。离线换脸的命令如下python run.py -s face.jpg -t clip.mp4 --keep-audio --keep-fps执行完成后成品保存在与目标视频同名的目录中。 Deep-Live-Cam 安装教程环境核对、四行命令、首次启动Deep-Live-Cam 安装教程的第一步是核对环境。要求很轻对照下表逐项确认项目要求系统Windows、macOS、Linux 均可Python3.11–3.14推荐 3.14基础工具git pip ffmpeg缺一不可硬件纯 CPU 可跑NVIDIA 独显或 Apple 芯片明显更快Windows 注意需安装 Visual Studio 2022 运行库环境就绪后按顺序执行这四行命令git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv pip install -r requirements.txtvenv 建好后先激活Windows 执行venv\Scripts\activatemacOS/Linux 执行source venv/bin/activate再装依赖。models/目录里需要两份模型文件inswapper_128_fp16.onnx和GFPGANv1.4.onnx下载地址写在 models/instructions.txt不手动放置也行首跑会自动下载约 300MB。首次启动python run.py窗口分三栏最左是源脸照片中间是目标摄像头或视频文件最右有 Live 和 Start 按钮。点下 Live10–30 秒后预览画面出现。 按硬件选执行后端实时换脸提速配置表想让实时换脸更流畅关键在--execution-provider参数它指定推理跑在哪块芯片上。不装任何额外驱动时程序会自动挑当前环境里最优的后端。核显 / 纯 CPU无额外步骤直接默认启动。中端 NVIDIA 卡先装 CUDA Toolkit 12.8.0 与 cuDNN v8.9.7把 cuDNN 的 bin 目录加进 PATH再执行pip install onnxruntime-gpu1.26.0随后加--execution-provider cuda启动。高端 NVIDIA 卡在 cuda 基础上加--execution-threads 2CUDA Graph 自动生效还能开启 face_enhancer。Apple M1–M5执行brew install python3.14 python-tk3.14CoreML 后端已随 requirements.txt 就绪用python3.14 run.py --execution-provider coreml运行。Intel 平台安装onnxruntime-openvino1.21.0启动加--execution-provider openvino。Windows 上 AMD 核显安装onnxruntime-directml1.21.0启动加--execution-provider directml。预期表现按 720p 直播预览的量级感受硬件命令要点预期表现建议分辨率集成显卡 / 纯 CPU默认python run.py勉强实时480p–720p中端 NVIDIA 独显--execution-provider cuda流畅720p高端 NVIDIA 独显cuda face_enhancer --execution-threads 2接近摄像头原生帧率1080pApple M 系列--execution-provider coreml流畅720p 换脸原理一帧画面如何走完四步流水线换脸原理并不复杂每一帧画面都按同一条流水线走四步buffalo_l 检测画面人脸 → 提取 bbox、106 点关键点与身份向量 源照片身份向量 目标脸结构 → inswapper 合成 128x128 新脸 椭圆羽化软掩膜 alpha 混合 → 把新脸贴回原帧 可选 face_enhancerGFPGAN→ 找回五官细节buffalo_l 出自 InsightFace 项目负责定位人脸、提取身份向量与 106 个关键点inswapper 再按源照片身份与目标脸结构合成一张 128×128 的新脸椭圆羽化软掩膜让贴上去的脸与周围自然过渡不露拼接痕迹最后由 GFPGAN 把糊掉的细节补回来。这些模块你无需改动知道位置便于日后查源码职责文件路径人脸检测与分析找脸、算身份向量与 106 点关键点modules/face_analyser.py换脸执行合成新脸并贴回原帧modules/processors/frame/face_swapper.py人脸增强GFPGAN 提升换脸后清晰度modules/processors/frame/face_enhancer.pyGPU 加速算子模糊、缩放、锐化走 GPUmodules/gpu_processing.py视频捕获与帧处理摄像头读取、抽帧、编码modules/video_capture.py命令行与入口参数解析、流水线调度modules/core.py 换脸调优--mouth-mask 与多人脸换脸让换脸结果更像本人调优方向有三个嘴部保留在 GUI 拖动 Mouth Mask 滑块或命令行加--mouth-mask。源脸与你的嘴型不一致时换过去的嘴会与原音轨对不上这个选项保留你自己的嘴部区域说话口型自然一致。多人脸换脸--many-faces会把画面中每一张脸都换掉适合群像--map-faces支持按人指定对应关系程序依据特征向量对目标视频中的人物聚类分组每个人可绑定不同源脸。源照片质量正脸、光线均匀、脸上无遮挡、人脸占比大。侧脸或逆光会让检测不稳口罩、手、浓重贴纸都会干扰提取。换脸排错速查五个常见问题的定位与修复排错遵循固定套路先对症状再找原因最后给解法直接查表症状原因解法窗口打不开报_tkintermacOS 端未装 tkinterbrew reinstall python-tk3.14提示ffmpeg is not installedffmpeg 未安装或 PATH 里没有装好 ffmpeg用ffprobe -version验证启动时找不到换脸模型models/里缺 inswapper 模型等首次自动下载完成或手动放入文件有 GPU 却退回 CPU 运行cuDNN 不在 PATH或 onnxruntime-gpu 版本不符按 cuDNN v8.9.7 onnxruntime-gpu1.26.0重装直播预览掉帧明显内存/显存吃紧或增强模块开着调低--max-memory或暂时关闭 face_enhancer️ 实时换脸使用红线同意、标注与内容过滤实时换脸能力很强使用红线要先划清换脸对象限自己或已明确取得本人同意的人成品公开前标注AI 合成 / deepfake不得用于冒充、诽谤、诈骗等恶意用途远离战争画面、隐私场景等敏感素材程序内置 opennsfw2 内容过滤GUI 提供 NSFW Filter 勾选框命令行对应--nsfw-filter概率超标会拒绝处理README 同时声明会遵守法律要求极端情况下项目可能暂停或给输出加水印。参与 Deep-Live-Cam 贡献三步流程与关键资源向 Deep-Live-Cam 提贡献按三步走新建分支命名如feature/your-change按 CONTRIBUTING.md 清单自测增强开/关各跑一次换脸、Map Faces 开/关都覆盖、FPS 不下降、GPU 压测至少 15 分钟分支先推到premain稳定后才合入maingit checkout -b feature/your-change git push origin feature/your-change关键资源均为仓库内相对路径项目说明与完整参数列表README.md模型放置说明models/instructions.txt贡献规范与测试清单CONTRIBUTING.md多语言文案locales/新特性与问题跟进关注仓库 Issues 页从克隆仓库到 Live 按钮亮起全程通常在十几分钟内完成。挑一张正脸照片跑通首次启动命令想让效果更稳就先加上--mouth-mask再试一轮。【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