Deep-Live-Cam 实时换脸指南一张照片 10 分钟完成本地部署附参数速查表【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 是一个可在本地运行的实时换脸开源工具一张照片就能替换摄像头或视频文件里的人脸全程不上传任何服务器适合不想写代码的创作者。接下来的 10 分钟里你可以完成环境安装、模型就位并看到第一次换脸预览画面。 速览 Deep-Live-Cam 的三个高频使用场景这一节列出 Deep-Live-Cam 最高频的三个用途帮你在 30 秒内判断它是否适合你。如果你在开视频会议或直播它就能用一张照片实时替换你的脸对方看到的是换好脸的摄像头画面。如果你想批量替换电影或素材视频里的人脸它就能逐帧处理并导出一份换脸后的成品视频。如果你想让群像画面里每个人换成不同的脸它就能把多张源图分别指派给画面中的不同人物。 6 步完成 Deep-Live-Cam 本地部署与首次启动这一节把环境准备、依赖安装、模型就位和首次启动合并成 6 个步骤你的系统需要 Python 3.11~3.14官方推荐 3.14、git 和 ffmpeg。确认环境命令行执行python --version确认版本在 3.11~3.14 之间且git与ffmpeg可用。克隆项目代码到本地git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam创建虚拟环境并安装依赖其中 onnxruntime 会按系统自动选版本macOS ARM 装 CoreML 版其他平台装 onnxruntime-gpu依赖清单见 requirements.txtpython3 -m venv venv source venv/bin/activate pip install -r requirements.txtWindows 上激活命令改为venv\Scripts\activatemacOS 若报_tkinter缺失先执行brew install python-tk3.14再建虚拟环境。把两个模型文件放进models/目录inswapper_128_fp16.onnx换脸核心模型约 380MB和GFPGANv1.4.pth人脸增强模型下载地址写在 models/instructions.txt 里下完用ls models/确认两个文件都在且大小正常。启动程序首次运行会自动下载约 300MB 的人脸检测等辅助模型保持网络畅通python run.py验证首次运行成功界面弹出后选一张人脸照片按 Live等 10~30 秒预览窗口出现换好脸的摄像头画面即算部署完成。 运行 Deep-Live-Cam 实时换脸的三个典型场景以下三个小节分别给出操作步骤、关键参数和预期效果对应界面里最主要的三种用法。用 Live 模式对摄像头做实时换脸在界面选择源人脸图片选表情中性、光线均匀的正脸照替换更稳。选对摄像头按 Live等 10~30 秒预览出现光线差时先调高摄像头亮度再按 Live。需要对外推流时用 OBS 之类的工具截取这个预览窗口。想中途换人直接重新选一张源图即可不用重启程序。参数作用建议值--live-mirror预览按前摄镜像方式显示开启--live-resizable预览窗口可拖动大小方便放屏幕角落开启--mouth-mask保留你的原始嘴部动作嘴型对不上时开启预期效果光线足够时预览窗口里的脸会跟随你的动作实时变化姿态和光照与原画面基本贴合。启动视频文件人脸替换并导出成品选一张源人脸照片作为替换对象。目标选一个视频文件点 Start 开始逐帧处理长视频建议先剪 10 秒片段试跑。处理完成后输出保存在以目标视频命名的目录里。保留原音轨和帧率的开关键不要关需要皮肤细节更干净时再勾人脸增强会更耗时。参数作用建议值--keep-audio保留原视频音轨保持开启--keep-fps匹配原视频帧率避免画面加速保持开启--video-quality输出质量0~51 越大越清晰18~23--many-faces替换画面里所有人脸群像视频开启预期效果成片逐帧完成人脸替换音轨、帧率与原始视频一致可直接作为成品分享。给群像画面中的多人映射不同的脸打开 Many Faces 开关让程序处理画面里检测到的所有人脸。打开 Map Faces 开关进入人脸映射面板。在面板里把每张源图分别指派给画面中对应的人物。先预览确认指派关系正确再正式处理或开启 Live。参数作用建议值--many-faces处理画面中全部人脸开启--map-faces把源图与指定人物一一对应与 Many Faces 同时开启--mouth-mask保留各自嘴部动作表情更自然开启预期效果同一个画面里每个人同时显示不同的脸各人脸部独立跟随本人动作。️ 选择执行后端并配置 Deep-Live-Cam 常用参数这一节把常用启动参数汇总成一张总表取值定义在 modules/globals.py按你的硬件选一行执行即可。硬件/配置项建议设置备注NVIDIA 显卡python run.py --execution-provider cuda需先装好 CUDA 12.8 和 cuDNN 8.9.7Apple Siliconpython run.py --execution-provider coreml依赖装好即可用无需额外安装AMD 显卡Windowspython run.py --execution-provider directml需安装 onnxruntime-directml 1.21.0Intel 平台python run.py --execution-provider openvinoonnxruntime-openvino 需与 OpenVINO 版本一一配对如 1.24.1 对应 2025.4.1普通 CPUpython run.py默认后端最慢但最稳--max-memory 8限制程序最大内存为 8GB长视频处理时建议显式设置--execution-threadsCPU 执行线程数默认即可CPU 卡顿时可调大进阶项用行内代码说明--video-encoder可选libx264、libx265、libvpx-vp9调整输出编码器--frame-processor用于挑选帧处理链路带-h参数运行可查看全部选项。启用 GPU 后先用默认画质确认流程再用--video-quality调高正式版质量。⚠️ 速查 Deep-Live-Cam 常见报错与一行处理动作这一节列出安装和首次运行阶段最容易遇到的 4 类问题每类给一行处理动作。报错/症状关键词大概率原因一行处理动作Model not found、模型加载失败两个模型文件不在models/目录或下载不完整执行ls -lh models/检查按 models/instructions.txt 的来源重新下载CUDA 报错、选了 cuda 却回落到 CPUonnxruntime-gpu 找不到 CUDA/cuDNN 运行时库按顺序装好 CUDA 12.8 和 cuDNN 8.9.7 后重装 onnxruntime-gpuNo module named _tkintermacOS系统 Python 没带图形界面支持包执行brew install python-tk3.14版本号与你装的 Python 一致Live 预览卡顿、FPS 掉到个位数在 CPU 上运行或画面人脸过多切换 GPU 执行后端减少同时处理的人脸数量如果仍未命中去项目仓库的 Issue 区搜索相同报错关键词多数问题已有现成答案。Deep-Live-Cam 是一个本地运行的实时换脸工具效果上限由源照片的清晰度和光线决定。使用他人面孔前先取得本人同意分享成品时明确标注该画面为深度伪造。【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 实时换脸指南：一张照片 10 分钟完成本地部署，附参数速查表
Deep-Live-Cam 实时换脸指南一张照片 10 分钟完成本地部署附参数速查表【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 是一个可在本地运行的实时换脸开源工具一张照片就能替换摄像头或视频文件里的人脸全程不上传任何服务器适合不想写代码的创作者。接下来的 10 分钟里你可以完成环境安装、模型就位并看到第一次换脸预览画面。 速览 Deep-Live-Cam 的三个高频使用场景这一节列出 Deep-Live-Cam 最高频的三个用途帮你在 30 秒内判断它是否适合你。如果你在开视频会议或直播它就能用一张照片实时替换你的脸对方看到的是换好脸的摄像头画面。如果你想批量替换电影或素材视频里的人脸它就能逐帧处理并导出一份换脸后的成品视频。如果你想让群像画面里每个人换成不同的脸它就能把多张源图分别指派给画面中的不同人物。 6 步完成 Deep-Live-Cam 本地部署与首次启动这一节把环境准备、依赖安装、模型就位和首次启动合并成 6 个步骤你的系统需要 Python 3.11~3.14官方推荐 3.14、git 和 ffmpeg。确认环境命令行执行python --version确认版本在 3.11~3.14 之间且git与ffmpeg可用。克隆项目代码到本地git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam创建虚拟环境并安装依赖其中 onnxruntime 会按系统自动选版本macOS ARM 装 CoreML 版其他平台装 onnxruntime-gpu依赖清单见 requirements.txtpython3 -m venv venv source venv/bin/activate pip install -r requirements.txtWindows 上激活命令改为venv\Scripts\activatemacOS 若报_tkinter缺失先执行brew install python-tk3.14再建虚拟环境。把两个模型文件放进models/目录inswapper_128_fp16.onnx换脸核心模型约 380MB和GFPGANv1.4.pth人脸增强模型下载地址写在 models/instructions.txt 里下完用ls models/确认两个文件都在且大小正常。启动程序首次运行会自动下载约 300MB 的人脸检测等辅助模型保持网络畅通python run.py验证首次运行成功界面弹出后选一张人脸照片按 Live等 10~30 秒预览窗口出现换好脸的摄像头画面即算部署完成。 运行 Deep-Live-Cam 实时换脸的三个典型场景以下三个小节分别给出操作步骤、关键参数和预期效果对应界面里最主要的三种用法。用 Live 模式对摄像头做实时换脸在界面选择源人脸图片选表情中性、光线均匀的正脸照替换更稳。选对摄像头按 Live等 10~30 秒预览出现光线差时先调高摄像头亮度再按 Live。需要对外推流时用 OBS 之类的工具截取这个预览窗口。想中途换人直接重新选一张源图即可不用重启程序。参数作用建议值--live-mirror预览按前摄镜像方式显示开启--live-resizable预览窗口可拖动大小方便放屏幕角落开启--mouth-mask保留你的原始嘴部动作嘴型对不上时开启预期效果光线足够时预览窗口里的脸会跟随你的动作实时变化姿态和光照与原画面基本贴合。启动视频文件人脸替换并导出成品选一张源人脸照片作为替换对象。目标选一个视频文件点 Start 开始逐帧处理长视频建议先剪 10 秒片段试跑。处理完成后输出保存在以目标视频命名的目录里。保留原音轨和帧率的开关键不要关需要皮肤细节更干净时再勾人脸增强会更耗时。参数作用建议值--keep-audio保留原视频音轨保持开启--keep-fps匹配原视频帧率避免画面加速保持开启--video-quality输出质量0~51 越大越清晰18~23--many-faces替换画面里所有人脸群像视频开启预期效果成片逐帧完成人脸替换音轨、帧率与原始视频一致可直接作为成品分享。给群像画面中的多人映射不同的脸打开 Many Faces 开关让程序处理画面里检测到的所有人脸。打开 Map Faces 开关进入人脸映射面板。在面板里把每张源图分别指派给画面中对应的人物。先预览确认指派关系正确再正式处理或开启 Live。参数作用建议值--many-faces处理画面中全部人脸开启--map-faces把源图与指定人物一一对应与 Many Faces 同时开启--mouth-mask保留各自嘴部动作表情更自然开启预期效果同一个画面里每个人同时显示不同的脸各人脸部独立跟随本人动作。️ 选择执行后端并配置 Deep-Live-Cam 常用参数这一节把常用启动参数汇总成一张总表取值定义在 modules/globals.py按你的硬件选一行执行即可。硬件/配置项建议设置备注NVIDIA 显卡python run.py --execution-provider cuda需先装好 CUDA 12.8 和 cuDNN 8.9.7Apple Siliconpython run.py --execution-provider coreml依赖装好即可用无需额外安装AMD 显卡Windowspython run.py --execution-provider directml需安装 onnxruntime-directml 1.21.0Intel 平台python run.py --execution-provider openvinoonnxruntime-openvino 需与 OpenVINO 版本一一配对如 1.24.1 对应 2025.4.1普通 CPUpython run.py默认后端最慢但最稳--max-memory 8限制程序最大内存为 8GB长视频处理时建议显式设置--execution-threadsCPU 执行线程数默认即可CPU 卡顿时可调大进阶项用行内代码说明--video-encoder可选libx264、libx265、libvpx-vp9调整输出编码器--frame-processor用于挑选帧处理链路带-h参数运行可查看全部选项。启用 GPU 后先用默认画质确认流程再用--video-quality调高正式版质量。⚠️ 速查 Deep-Live-Cam 常见报错与一行处理动作这一节列出安装和首次运行阶段最容易遇到的 4 类问题每类给一行处理动作。报错/症状关键词大概率原因一行处理动作Model not found、模型加载失败两个模型文件不在models/目录或下载不完整执行ls -lh models/检查按 models/instructions.txt 的来源重新下载CUDA 报错、选了 cuda 却回落到 CPUonnxruntime-gpu 找不到 CUDA/cuDNN 运行时库按顺序装好 CUDA 12.8 和 cuDNN 8.9.7 后重装 onnxruntime-gpuNo module named _tkintermacOS系统 Python 没带图形界面支持包执行brew install python-tk3.14版本号与你装的 Python 一致Live 预览卡顿、FPS 掉到个位数在 CPU 上运行或画面人脸过多切换 GPU 执行后端减少同时处理的人脸数量如果仍未命中去项目仓库的 Issue 区搜索相同报错关键词多数问题已有现成答案。Deep-Live-Cam 是一个本地运行的实时换脸工具效果上限由源照片的清晰度和光线决定。使用他人面孔前先取得本人同意分享成品时明确标注该画面为深度伪造。【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