Deep-Live-Cam 实时换脸完整指南：一张照片，三步让摄像头变成照片里的人-酒店常州论坛

Deep-Live-Cam 实时换脸完整指南：一张照片，三步让摄像头变成照片里的人

【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 是一个开源实时换脸工具：给它一张正脸照片，摄像头或视频画面里的人就会被换成照片里那张脸，全程本地计算。跟着本文走，大约 15 分钟能跑通安装、摄像头实时换脸和视频批量处理。

环境自查：这台机器能不能跑起来

先对照这张表，缺哪项补哪项：

项目	要求
系统	Windows / macOS / Linux 均可
Python	3.11–3.14，推荐 3.14
必装工具	git、pip、ffmpeg（缺 ffmpeg 程序会直接提示 "ffmpeg is not installed" 并拒绝启动）
Windows 额外项	Visual Studio 2022 运行库
硬件	无独显也能跑，NVIDIA 独显或 Apple M 系列芯片更快

纯 CPU 模式下，默认 640×480 的摄像头分辨率基本能跟上实时速度，足够你体验全部功能；下图中无独显 PC 的实测画面（含 CPU 占用与预览窗口）可以当作性能参照：

最小安装路径：4 条命令到主窗口

克隆代码
```
git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam
```
成功标志：当前目录出现Deep-Live-Cam文件夹，里面有run.py、requirements.txt、models/、modules/。
建虚拟环境并激活
```
python -m venv venv
```
激活方式：Windows 执行venv\Scripts\activate，macOS / Linux 执行source venv/bin/activate。
成功标志：命令行开头多出(venv)前缀。依赖装在 venv 里，不会弄脏系统 Python。
安装依赖
```
pip install -r requirements.txt
```
成功标志：结尾出现 "Successfully installed ..."，且没有红色 ERROR 行。
启动
```
python run.py
```
成功标志：主窗口打开——左侧选源脸照片、右侧选目标视频或摄像头，中间一排开关和滑块，底部是 Start 和 Live 两个按钮。

两步可选增强，不做也没关系：

模型文件：首次运行会自动下载约 300MB 模型（控制台有进度条），只是头一次启动慢。想手动处理，把inswapper_128_fp16.onnx（换脸核心）和gfpgan-1024.onnx（细节增强）放进models/目录，下载地址写在 models/instructions.txt。
GPU 后端：不配置时程序会自动挑当前环境里最好的（cuda > rocm > coreml > openvino > dml > cpu 依次优选）；只有自动选择不符合预期时才需要手动加--execution-provider，各平台做法见文末表格。

平台差异说明：

Windows：激活命令是venv\Scripts\activate，提前装好 Visual Studio 2022 运行库。
macOS：先brew install python@3.14和brew install python-tk@3.14，再用python3.14 -m venv venv建环境，避免用到系统旧版 Python。
macOS 若报_tkinter错误：brew reinstall python-tk@3.14。
Linux：流程与 macOS 一致，source venv/bin/activate激活即可。

三个换脸场景，由浅入深

摄像头实时换脸：选照片、选相机、按 Live

目标：你对着摄像头说话时，画面里的人实时变成源照片里的人，预览窗口可被 OBS 捕获推流。

操作：

python run.py打开主窗口，选择一张源人脸照片。照片讲究：正对镜头、光线均匀、无口罩贴纸等遮挡，逆光会拉低检测率，人脸在画面里占比越大越稳。
在摄像头列表里选你要用的那台相机。用哪块芯片计算由程序自动决定，不用你配。
按Live。

验证：首次按下 Live 后，程序加载模型需要 10–30 秒，等预览窗口出现活动画面，换脸就生效了。想换人？重新选一张源照片即可，不必重启程序。

口型不穿帮（Mouth Mask）：源脸的嘴型和你的不一样时，整脸替换会让口型对不上。把 GUI 里 Mouth Mask 滑块从 0 往右拖（0 为关闭，数值越大保留区域从嘴向下巴延伸越多），命令行对应--mouth-mask参数。程序只换上半张脸，嘴部区域留给原主人，说话口型自然一致。

推流直播：用 OBS 对预览窗口做窗口捕获即可推出去。预览默认是镜像的（像前置摄像头），推出去的画面方向不对时，启动参数加--live-mirror调正。

视频文件批量换脸：一条命令跑完整段，保留音轨帧率

目标：整段视频一次处理完，输出保留原音轨和原帧率。

操作：终端里直接跑（不想开窗口就用这条）：

python run.py -s face.jpg -t clip.mp4 -o out/ --keep-fps

-s face.jpg：源脸照片，支持 .png / .jpg / .jpeg / .bmp / .webp
-t clip.mp4：目标视频，支持 .mp4 / .mkv
-o out/：输出目录；不指定时使用默认输出位置
--keep-fps：输出帧率与原片一致，不加的话输出按 30fps 编码

注意两点：保留音轨是默认开启的（--keep-audio默认开），写上更保险；带-s/-t参数时程序走命令行模式，不弹窗口。

也可以走 GUI：选源照片 → 选目标视频 → 按 Start。

验证：状态栏出现 "Video processing succeeded! Total time: xxxs"。成品保存在以目标视频命名的文件夹里，文件名形如"源照片名-目标视频名.mp4"，不在原片旁边，别白找。打开成品：画面里的人已换掉，音轨正常，帧率与原片一致。

多人脸映射：群里每个人换不同的脸

目标：群像画面里不同的人物绑定不同的源照片，各换各的，而不是所有脸都换成同一张。

操作：两个开关配合使用：

--many-faces：处理画面里的每一张脸（不配合映射时，全部换成同一张源脸，适合"给一群人统一换脸"的玩法）
--map-faces：程序先按身份向量把目标画面里的人自动分组，再逐人绑定"谁换哪张照片"。GUI 里打开 Map faces 开关后会弹出映射窗口，为每个人挑选源照片

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

验证：输出视频里每个人对应各自绑定的脸，且同一人在前后帧之间保持稳定。

提示：开启 face mapping 后，视频处理会切换到基于磁盘的流水线（逐帧存盘再回贴），长视频比单脸模式更慢，属正常现象。

原理速览：一帧画面经过的 5 个工位

理解下面这条流水线就够，普通使用完全不用动代码：

检测：输入一帧画面，buffalo_l 模型包（首次运行自动下载）输出人脸边界框、106 点关键点、身份向量。身份向量就是用来认人的"指纹"，多人映射的分组靠它。
合成：拿源脸的身份向量和目标脸的结构，inswapper 模型以 128×128 分辨率合成出新脸。
贴回：新脸通过椭圆羽化软掩膜贴回原帧，附带肤色校正，边缘与周围融合，不会出现硬方框。
增强（可选）：GFPGAN 或 GPEN 模型把换脸过程中糊掉的五官细节补回来，就是 GUI 里的 Face Enhancer。
合成输出：ffmpeg 把处理后的帧重新编码成视频，并把原音轨贴回去。

想翻源码时，对照这张表：

模块	职责	仓库路径
人脸检测与分析	找脸、106 点关键点、身份向量	modules/face_analyser.py
换脸执行	inswapper 合成、椭圆软掩膜贴回、口型遮罩	modules/processors/frame/face_swapper.py
人脸增强	GFPGAN/GPEN 模型补细节	modules/processors/frame/face_enhancer.py
摄像头采集	抽帧、测帧率、帧回调	modules/video_capture.py
视频拼装	ffmpeg 抽帧、编码、音频恢复	modules/utilities.py
NSFW 内容检查	拦截不合规素材	modules/predicter.py
参数与调度	参数解析、后端自动选择、流水线调度	modules/core.py
模型下载	自动下载、断点续传、证书校验	modules/model_downloader.py

故障快查：对症状，再找解法

症状	原因	解法
启动即提示 "ffmpeg is not installed"	ffmpeg 没装，或不在 PATH 里	装好 ffmpeg，用`ffprobe -version`验证能输出版本
macOS 窗口打不开，报`_tkinter`错误	缺 tkinter 图形库	`brew reinstall python-tk@3.14`
状态栏提示找不到模型	`models/`目录为空	等首次自动下载（约 300MB）完成，或手动放入`inswapper_128_fp16.onnx`和`gfpgan-1024.onnx`
有独显却退回 CPU 跑	cuDNN 不在 PATH，或 onnxruntime-gpu 版本不对	装 CUDA 12.8.0 + cuDNN v8.9.7，`pip install onnxruntime-gpu==1.26.0`，启动加`--execution-provider cuda`
预览一片黑窗	摄像头被别的程序占用，或模型还在加载	关掉占摄像头的程序，等状态栏提示就绪
预览明显掉帧	内存吃紧或增强开着	调低`--max-memory`（默认 16GB，macOS 为 4GB），关掉 Face Enhancer，或调小`--det-size`（默认 640）
输出帧率和原片对不上	没加`--keep-fps`	命令里补上`--keep-fps`
预览方向反了	摄像头镜像习惯不同	启动参数加`--live-mirror`

按芯片选加速后端：

平台	做法
无独显 / 核显	什么都不加，直接`python run.py`，程序自动选
NVIDIA 独显	装 CUDA Toolkit 12.8.0 + cuDNN v8.9.7（bin 目录加进 PATH），`pip install onnxruntime-gpu==1.26.0`，加`--execution-provider cuda`
Apple M1–M5	依赖已含 CoreML 支持，直接加`--execution-provider coreml`
Intel 平台	`pip install onnxruntime-openvino==1.21.0`，加`--execution-provider openvino`
Windows + AMD 核显	`pip install onnxruntime-directml==1.21.0`，加`--execution-provider dml`

使用边界：四条红线

只换自己的脸，或已明确取得本人同意的脸
公开发布时标注"AI 合成 / deepfake"
不用于诈骗、冒充、诽谤等任何欺骗目的
不处理战争画面、隐私场景等敏感素材；程序内置 NSFW 内容过滤（GUI 开关列表里启用 NSFW 过滤，或命令行加--nsfw-filter），项目的合规立场写在 README.md 的 Disclaimer 部分

收尾：最短上手路径

跑通git clone和pip install -r requirements.txt两条命令后，python run.py打开窗口，放一张自己的正脸照片，按 Live，10–30 秒内就能看到第一段实时换脸效果。

想深入时翻这几个文件：

README.md：完整安装、GPU 加速与参数说明
models/instructions.txt：模型下载地址
CONTRIBUTING.md：项目协作与质量规范
modules/core.py：命令行参数与流水线调度入口

【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

企业官网建设流程全解析