Deep-Live-Cam 实时AI换脸教程一张照片从静态图到摄像头实时【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 用一张照片完成换脸静态图、视频、摄像头实时画面都支持。按看到效果的快慢分三级图片对图片 1 分钟内出结果视频换脸输出新 mp4摄像头实时 10–30 秒出预览。1. 效果长什么样3 级速度对应 3 种玩法在装任何东西之前先确认你要的是哪一级因为三级的准备工作完全相同只有操作路径不同。一级图片换图片。秒级出图用来验证环境和挑源脸照片。二级视频换脸。处理时间以分钟计输出一段新 mp4。三级摄像头实时。面向直播和录屏预览窗口等 10–30 秒出现。适合的内容创作者、主播、meme 制作者都能覆盖前两级吃存储和耐心第三级吃帧率。没有独显也能跑走 CPU 只是更慢。图中可以看到换脸后的实时画面跟随原视频的头部姿态和表情这是仓库 README 里放的主演示。2. 跑通最小路径装 4 样东西就能启动项目要求说明Python3.11–3.14推荐 3.14onnxruntime 已放弃 3.10macOS 用brew install python3.14ffmpeg必须安装缺失时启动即报ffmpeg is not installed.模型文件约 300MB换脸模型 GFPGAN 增强模型放入models/文件夹GPU可选没有就走 CPU功能不受影响先克隆仓库git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam再建虚拟环境并装依赖。Windows 执行前两条macOS/Linux 执行后两条python -m venv venv venv\Scripts\activatepython3 -m venv venv source venv/bin/activate两个环境激活后都执行pip install -r requirements.txt看到Successfully installed ...一长串包名即成功。模型有两条路首次启动会自动下载约 300MB或手动下载换脸模型inswapper_128_fp16.onnx和 GFPGAN 增强模型放入models/仓库里有models/instructions.txt说明。增强模型只在你勾选 Face Enhancer 时才必需缺了它会报model not found报错里会写明它要的文件名。最后执行python run.py预期结果终端先打印一行[platform] Windows | python 3.14.x | accelerator: CPU | providers: [...]然后弹出 PySide6 窗口约 640×820。这行[platform]日志后面排查问题时要用记一下你的 accelerator 是什么。3. 第一级换一张静态图先确认环境没问题图中可以看到源脸区Source face、目标区Target、Options 开关组、Refinement 滑杆和底部 Start / Destroy / Preview 按钮这是整个工具的完整操作面板。最小路径只有三步点Select a face选一张正面、光线均匀的源脸照片JPG/PNG/BMP 均可。旁边有个 按钮会随机拉一张 AI 人脸没照片时可用来测试。点Select a target选一张目标图。点Start在保存对话框里选输出路径。成功后状态栏显示Processing to image succeed! (Time: X.XXs)输出文件就是你选的路径。这一步只花几十秒目的是把环境能不能跑这个问题单独验证掉。4. 第二级换一段视频输出保存在哪图中可以看到目标视频里的人物面部被整体替换姿态和光照仍然跟随原画面。操作和一级相同target 换成 mp4/mkv 视频。两个选项直接影响成片建议先看一眼Keep fps默认关关闭时输出固定按 30fps 生成开启才跟随原片帧率。Keep audio默认开音频轨从原片拷回。注意代码里有提示——不 Keep fps 时音频可能漂移长视频建议两个都开。输出位置GUI 模式下在 Start 的保存对话框指定不带参数走命令行模式时结果保存在以目标视频命名的目录里。命令行模式同样好用——只要带了-s参数就不开图形界面python run.py -s 源脸.jpg -t 目标视频.mp4 --many-faces跑完后状态栏会打印处理帧率X.XX fps和总耗时这是你衡量性能的第一手数据。多人场景用Many faces把画面里每张脸都换掉加Map faces手动指定哪张源脸对应哪张目标脸效果类似图中图中可以看到同一个画面里多张脸分别被替换成不同源脸。5. 第三级摄像头实时换脸图中可以看到摄像头画面经过实时换脸后直接可用作直播推流源。步骤选好消息源脸Select a face。在底部Camera区域下拉框里选摄像头点Live。等 10–30 秒预览窗口出现。三个实用细节勾选Show FPS预览上会叠加帧率数字低于 15 就该去做下一章的加速。想推流用 OBS 对预览窗口做窗口采集即可这是 README 的推荐做法。换脸不用重启Live 运行中重新选一张源脸图片即生效。顺带交代边界程序内置内容过滤基于 opennsfw2会拒绝处理不当素材使用他人面部时先取得本人同意发布换脸内容时标注AI 生成——这两条也是 README 使用条款里的原话。6. 效果不自然的 3 个原因对应 3 个旋钮图中可以看到开启 Mouth Mask 后嘴部保留原视频的动作只对嘴以外的区域换脸。Refinement 卡片里有三个滑杆正好对应最常见的三类问题问题旋钮取值与依据口型不同步Mouth Mask0 全用换脸的嘴100 暴露原片嘴部直到下巴默认 0脸部发糊、细节丢失Face Enhancer 下拉 Sharpness选 GFPGAN 或 GPEN-512512 更锐但更慢Sharpness 0–5默认 0边缘像贴上去Poisson Blend 开关 Transparency勾选 Poisson Blend 做边缘融合Transparency 0–100%调到 0 可直接对比原图摄像头画面偏蓝绿勾Fix Blueish Cam它就是给这类摄像头色偏修的。再快一点切换执行提供商图中可以看到处理过程中的性能监控面板。先确认你的[platform]行里 accelerator 是不是 CPU如果是按硬件换执行提供商硬件安装步骤启动参数NVIDIA装 CUDA 12.8.0 和 cuDNN 8.9.7然后执行下方命令--execution-provider cudaApple Silicon无需额外安装requirements 已带 CoreML 版 onnxruntime--execution-provider coreml其他 Windows GPUpip install onnxruntime-directml1.21.0--execution-provider directml仅 CPU无默认 cpupip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128 pip uninstall onnxruntime onnxruntime-gpu pip install onnxruntime-gpu1.21.0看到Successfully installed onnxruntime-gpu-1.21.0后用python run.py --execution-provider cuda启动[platform]行应显示accelerator: CUDA (NVIDIA)。两个可调数值线程数默认 CPU 核数减 2下限 4、上限 16CUDA 固定 2想改就传--execution-threads内存上限--max-memory默认 16GBmacOS 4GB内存吃紧时调小。7. 启动失败对照表按报错信息查ffmpeg is not installed.→ 装 ffmpeg用ffmpeg -version验证输出版本号。Python version is not supported→ 换 3.11 重建虚拟环境推荐 3.14。ModuleNotFoundError: No module named xxx→ 你不在虚拟环境里或依赖没装全。activate 后重跑pip install -r requirements.txt。... model not found at .../models/xxx→ 报错里写明了它要的文件名下载后放进models/重试。摄像头下拉显示No cameras found→ 换接口或换台机器试Windows 上可检查设备管理器里的相机。实时卡顿 → 先排除纯 CPU 运行再试关闭 Face Enhancer增强是每帧额外推理、降低摄像头分辨率。你的下一步现在就执行python run.py用自己的照片做源脸对着摄像头按一次Live。帧率低于 15 就回到第 6 章换执行提供商中间卡住时把那条[platform]日志连同报错一起带去社区提问——它会直接告诉别人你跑在哪个加速器上。【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