企业官网建设流程全解析

Deep-Live-Cam：一张照片搞定实时换脸，从摄像头到整段视频

【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

想让摄像头里的人变成照片里的人，只需要一张照片。Deep-Live-Cam 就是干这件事的开源实时换脸工具：全程本地运行，摄像头与视频文件都支持，视频输出保留原音轨。这篇实时换脸教程面向零基础，读完你就能让预览窗口出现在自己屏幕上。

🔍 它能干什么

• 换脸直播：点 Live 后，摄像头里的人实时变成照片里的人，配合 OBS 等工具截取预览窗即可推流，加--live-mirror可得到镜像预览。
• 整段视频换脸：给一个 mp4，输出一整段换脸后的版本，音轨和帧率都保留。
• 多人按人映射：群像场景里每张脸可以绑定不同的源脸，而不是全换成同一张。

本地视频整体换脸命令：

python run.py -s face.jpg -t clip.mp4 --keep-audio --keep-fps

输出保存在以目标视频命名的目录里，--keep-audio保留原音轨，--keep-fps保留原帧率。

⚙️ 装好并跑起来

先对照环境要求，免得中途卡住：

• 系统：Windows / macOS / Linux
• Python 3.11–3.14，推荐 3.14
• 必备三件套：git、pip、ffmpeg（负责读写视频）
• 纯 CPU 就能跑，NVIDIA 独显或 Apple 芯片更快
• Windows 需装 Visual Studio 2022 运行库

环境过关后，完整安装就是下面一段命令。先克隆仓库，再用 venv 建隔离环境，避免依赖污染系统 Python：

git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv # Windows: venv\Scripts\activate ；macOS/Linux: source venv/bin/activate pip install -r requirements.txt # 模型：inswapper_128_fp16.onnx 与 GFPGANv1.4.onnx 放入 models/ # （下载地址见 models/instructions.txt；不手动放，首跑自动下载约 300MB）

然后直接启动：

python run.py

窗口里分三区：左边选源人脸照片，中间选目标（摄像头或视频文件），右边是 Live 和 Start 两个按钮。摄像头模式按 Live，等 10–30 秒加载完成后预览出现，换脸就开始；视频模式按 Start，成片写入以目标命名的目录。

🎚️ 让换脸更自然的开关

口型对不上？这是换脸口型不一致的典型症状：源脸和你的嘴型不同，整脸替换会让嘴巴跟不上原画面。对应开关是 Mouth Mask——GUI 里拖动滑块，或命令行加--mouth-mask。它把下半张脸的嘴部区域留给你自己，说话时口型自然一致。

画面里有好几个人？默认只处理一张脸，加--many-faces会让画面里每张脸都被处理。若希望不同人换成不同的脸，再加--map-faces：程序用特征向量聚类，把目标视频里的人自动分组，逐人绑定源脸。

python run.py -s face.jpg -t group.mp4 --many-faces --map-faces

源照片质量决定上限，记住三条：正脸、光线均匀；脸上无遮挡（口罩、手、浓重贴纸）；人脸在照片里占比大一些，检测更稳。

🖥️ 按硬件选跑法

--execution-provider决定推理跑在哪块芯片上。不指定时程序会自动挑当前环境里最优的后端，所以python run.py就能起步。有独显的话手动指定，帧率更稳：

• NVIDIA 中端独显：先装 CUDA Toolkit 12.8.0 和 cuDNN v8.9.7，再pip install onnxruntime-gpu==1.26.0，然后：

python run.py --execution-provider cuda

• NVIDIA 高端独显：FP16 模型与 CUDA Graph 自动生效，还能开面部增强：

python run.py --execution-provider cuda --execution-threads 2

• Apple M1–M5：先brew install python@3.14 python-tk@3.14（requirements 已带 CoreML 支持），然后：

python3.14 run.py --execution-provider coreml

• Intel 平台：装onnxruntime-openvino==1.21.0后加--execution-provider openvino。
• Windows 上的 AMD 核显：装onnxruntime-directml==1.21.0后加--execution-provider directml。

帧率预期（按 720p 直播预览的量级）：

换脸掉帧排查，基本逃不出五种情况：

• 窗口打不开、报_tkinter：macOS 缺 tkinter，执行brew reinstall python-tk@3.14。
• 提示ffmpeg is not installed：装上 ffmpeg，再用ffprobe -version验证。
• 状态栏报找不到 inswapper 模型：等首次自动下载完成，或手动把模型放进 models/。
• 有 GPU 却退回 CPU：检查 cuDNN 是否在 PATH、onnxruntime-gpu是否为 1.26.0。
• 直播预览掉帧明显：调低--max-memory，或关掉 face_enhancer。

幕后：一帧画面经历了什么

每一帧都走同一条流水线：InsightFace 的 buffalo_l 模型包先检测人脸，提取身份特征与关键点；inswapper 以 128×128 的人脸尺寸把源脸身份合成进目标脸——可以理解为身份向量像一枚印章，目标脸像一张纸，印章落下去就盖出新脸；随后用椭圆羽化软掩膜加 alpha 混合把新脸贴回原帧，方形边界不露馅；最后可选 GFPGAN（face_enhancer）把糊掉的五官细节补回来。

查源码时直接定位这几个文件：

• 人脸检测与分析：modules/face_analyser.py
• 换脸执行：modules/processors/frame/face_swapper.py
• 人脸增强：modules/processors/frame/face_enhancer.py
• 命令行与入口：modules/core.py
• 视频捕获与帧处理：modules/video_capture.py

安全红线

• 只换你自己、或已明确取得同意的脸
• 公开发布时标注"AI 合成 / deepfake"
• 不用于诈骗、冒充、诽谤等目的
• 不处理战争画面、隐私场景等敏感素材

程序内置了一层内容检查：用 opennsfw2 模型过滤不当素材，GUI 勾选 NSFW Filter 或加--nsfw-filter即可启用。

继续深入

参与贡献三步走：

1. 拉出功能分支：git checkout -b feature/your-change
2. 按 CONTRIBUTING.md 清单自测：实时换脸开/关增强、Map Faces 开/关、FPS 不降、GPU 压测至少 15 分钟
3. 推分支提 PR——变更先进premain分支，跑过稳定性验证后才合并进main

关键资源：

• 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/

新特性与问题的讨论在仓库 Issues 页跟进。

挑一张正脸照片，把python run.py跑起来，十几分钟后你的第一段实时换脸预览就会出现在屏幕上。跑起来之前，先确认你对画面里的每张脸都有权限；公开发布时，记得标注 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