企业官网建设流程全解析

如何用 10 分钟在电脑上跑起 Deep-Live-Cam 实时换脸：从安装到出片的完整指南

【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 是一个开源的实时换脸工具：给一张目标人脸的照片，它就能在摄像头画面里实时把脸换成你的，也可以对离线视频逐帧批量换脸，全程本地运行、不上传图片。本文带你走完四步完成安装，跑通"点选即换"的摄像头直播效果，再用一行命令处理本地视频。读完你能得到一个可用的换脸环境、一套 GUI 操作路径，和几条可直接粘贴的命令行参数。

先看清它能换出哪三种效果

这一节回答"值不值得装"。Deep-Live-Cam 的卖点不是换一张静态图，而是实时：画面里每一帧都在检测人脸、替换、融合，延迟低到可以直接对着摄像头用。

你最终能拿到三种典型用法：

1. 摄像头实时换脸：直播、视频通话、录短视频时，镜头里的人脸实时变成你选定的照片。
2. 离线视频批量换脸：把一部电影、一段录像整段处理，输出新的视频文件。
3. 多人同框换脸：画面里有几张脸就换几张，甚至可以为不同的人指定不同的源脸。

动手前备齐这 4 样东西

装到一半缺东西是最常见的翻车原因，这一节帮你把清单核对完。

另外两件事：

• 离线处理视频需要系统里装好ffmpeg（一个命令行音视频处理工具），处理摄像头画面则不需要。
• 换脸核心依赖两个模型文件：inswapper_128_fp16.onnx（负责换脸）和GFPGANv1.4（负责人脸增强，可选）。下载地址和文件名写在了项目的 模型说明 里，把它们放进models/目录即可。

📌关键点：项目首次运行也会尝试自动下载模型，但手动放好文件更稳。文件名必须与说明文件一致，少一个后缀都可能被当成"没找到模型"。

4 步装好并完成首次启动

这一节把安装拆成 4 个动作，每步只做一件事，全程约 10 分钟（不含模型下载）。

1. 克隆代码。在项目目录执行：

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

2. 创建虚拟环境。虚拟环境能避免依赖和你系统里其他 Python 项目打架：

   python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate

3. 安装依赖。一条命令装齐 OpenCV、onnxruntime、GUI 框架等全部库：

   pip install -r requirements.txt

4. 启动图形界面：

   python run.py

窗口打开后，你应该能看到源脸图片选择区、目标设备下拉框和一个醒目的 Live 按钮——这说明环境已经通了。

🚨容易踩的坑：macOS 的 Apple Silicon 机器需要额外装python-tk，否则启动时直接报_tkinter错误；Windows 上若报缺少运行库，先装好 Visual C++ 运行库再重试。

3 次点击点开摄像头实时换脸

装好后真正的高光时刻在这里。整个流程只有 3 步，但每步有个小讲究。

1. 选源脸。点第一张图选择区域，挑一张正脸、光线均匀的照片。只要一张图，侧脸或模糊图会让匹配质量明显下降。
2. 选目标设备。在第二张图选择区域选你的摄像头；如果是处理视频文件，这里也可以直接选本地文件。
3. 按 Live。首次启动会加载模型，稍等几秒后预览窗口出现，换脸画面就开始实时输出。

出片后两个体验开关值得试：

• Live mirror：预览默认是"别人看你的角度"，打开镜像后会变成前置摄像头自拍视角，录口播时更直观。
• Mouth mask：默认会把嘴部区域一起替换，容易出现"嘴在动但不同步"的违和感。打开这个开关后嘴部保留原画面，只有其余面部被替换，口型自然度立刻上来。

💡小贴士：多人出镜时勾选 Many faces，程序会把画面里每张脸都换掉；想给不同的人配不同的脸，可以进一步用 Face mapping 做一一对应。

一行命令批量换掉整个视频

摄像头玩熟了，处理本地视频只需要一行命令，参数都能直接敲：

python run.py --source face.jpg --target movie.mp4 --output result.mp4

几个常用参数按需追加：

默认行为是"只换最显眼的最大那张脸"，所以单人镜头不加任何开关就是最佳效果。处理 1 分钟视频的时间大约是视频时长的数倍，CPU 跑尤其慢，耐心等进度条即可。

帧率上不去或效果不对？先查这 3 处

跑起来了但"不够顺"，多数问题出在下面三个地方，按顺序排查基本都能解决。

1. 执行器选错了。默认可能跑在 CPU 上，有 NVIDIA 显卡时加上参数走 CUDA：

   python run.py --execution-provider cuda

   Mac 的 Apple 芯片对应值是coreml。执行器的选择逻辑写在 全局参数 里，可以看下你机器实际启用了哪几个。

2. 线程和内存没调。CPU 模式下可以用--execution-threads指定推理线程数，用--max-memory限制程序占用的内存上限（单位 GB），老机器上能避免把系统吃满。

3. 增强模型拖累性能。GFPGAN 人脸增强能明显提升清晰度，但会额外消耗算力。帧率紧张时先把它关掉，追求画质再打开。

还有两个高频小故障：

• 现象：提示找不到模型或加载失败→ 原因：文件没放进models/或文件名不对 → 对照 模型说明 核对文件名，重新下载即可。
• 现象：换完的脸偏糊→ 原因：没开人脸增强 → 在界面里勾选 GFPGAN 增强或走命令行对应选项。

💡小贴士：如果启动时摄像头下拉框是空的，先确认操作系统已授予终端或 Python 相机权限，再重启程序。

小结

到这里你手里已经有了：一个装好的本地换脸环境、3 步点开的摄像头实时换脸、一条命令行视频批量处理命令，以及一套帧率排查思路。接下来建议：

1. 先拿一张自己的正脸照 + 一段 10 秒短视频跑通全流程，再上更长素材。
2. 有显卡的话把--execution-provider换成cuda，体验差距立竿见影。

模型文件命名与下载细节，随时可以回查项目里的 models/instructions.txt。

【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