Deep-Live-Cam 实时换脸模型加载全攻略10 分钟一次搞定 inswapper_128_fp16.onnx 加载报错【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你刚 clone 完 Deep-Live-Cam正准备跑第一次实时换脸python run.py却报inswapper_128_fp16.onnx not found程序直接停住。别慌换脸模型负责把人像贴过去的核心组件的加载问题跟着下面的步骤走10 分钟就能跑通。环境自检Deep-Live-Cam 模型加载前必查 6 项这一步花 2 分钟有一项没过后面折腾模型全白搭。按顺序逐项打勾#检查项怎么查达标标准1Python 版本python --version3.11–3.14推荐 3.14低于 3.9 程序直接拒绝启动2ffmpeg 已安装ffmpeg -version能打印版本号程序启动时会检查缺了立即退出3models 目录与模型文件打开项目下的 models/ 文件夹里有 inswapper_128.onnx 或 inswapper_128_fp16.onnx 其一即可4venv 已创建并激活python -m venv venv后激活依赖装在全局环境容易互相污染5依赖已安装pip install -r requirements.txt跑完onnxruntime、insightface 均可见6NVIDIA 驱动仅 GPU 用户nvidia-smi能打印显卡与 CUDA 版本别纠结 fp16 文件它只是 GPU 加速版程序找不到时会自动回退到 FP32 版 inswapper_128.onnx有后者就够跑了。按场景走修复路径全新安装、升级报错、显存不够切 CPU 对号入座选分支每个分支都按现象 → 定位 → 操作 → 确认四拍走。场景 A全新 clone第一次跑现象启动即提示Model not found in models。定位思路大概率是首次自动下载没跑成或网络中断先看 models 目录里到底有没有文件。还没拉代码的话先用这条命令克隆并装好依赖git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam pip install -r requirements.txt在项目根目录跑一次python run.py预检会自动下载约 300MB 的模型到 models/ 目录下载中断就手动把 inswapper_128.onnx 放进 models 目录文件名一个字母都不能差只有要开人脸增强时才需要补放 GFPGANv1.4.onnx日常换脸可以不管它确认修好控制台出现Face swapper model loaded successfully界面里能选脸、点 Live 出画面就通了。场景 B升级依赖或换机后突然报错现象以前好好的pip升级了几次包、或换台机器重装后就报Error loading face swapper model。定位思路别急着下模型先确认 onnxruntimeONNX 推理运行时负责真正执行模型的版本没被带偏——版本和 execution providerEP模型跑在哪块硬件上不匹配是最常见的坑。用这条命令看当前机器支持哪些 EPpython -c import onnxruntime; print(onnxruntime.get_available_providers())列表里只有 CPUExecutionProvider、而你预期是 GPU说明装成了普通 onnxruntime不是 gpu 版别一个一个修包删掉 venv 重建用pip install -r requirements.txt整体重装一遍确认修好EP 列表里出现 CUDAExecutionProviderN 卡或 CoreMLExecutionProviderMac重启后模型正常加载。场景 C显存不够或想直接切 CPU现象加载过程崩溃、报 out of memory或 FP16 模型输出变 NaNGTX 16 系老卡上很典型。定位思路先分清显存紧张还是硬件不支持——显存紧就降占用老卡加 fp16 则交给程序自动回退不用手动改模型。启动时加--execution-provider cpu切到 CPU 推理慢一些但最稳顺手加--max-memory 8给进程内存封顶防止拖垮整机若 models 里只有 fp16 文件补一个 FP32 版 inswapper_128.onnx程序会优先用它兜底确认修好中端 PC 上也能稳定出帧参考下图这种 CPU 场景下的实际表现实时换脸依然可用。跑通之后3 条让实时换脸长期稳定的调优建议 ⚠️锁死依赖版本装完 requirements.txt 后别再单独pip upgradeonnxruntime。为什么有效EP 兼容性是按版本验证的单独升一个包最容易把整条链路带坏。保留--max-memory参数Windows 默认 16GB、Mac 默认 4GB。为什么有效程序会给进程设内存上限一次 OOM 不会连累整机。不用的帧处理器别开face_enhancerGFPGAN 人脸增强、mouth_mask 每多开一个就多加载一个模型、多占一份显存。为什么有效加载的模型越少内存压力越小长时直播越不容易掉帧。报错速查表inswapper 模型加载失败复制粘贴即用报错关键词大概率原因一步修复inswapper_128_fp16.onnx not found / Model not foundmodels 目录里没有模型跑一次python run.py触发自动下载或手动放入 inswapper_128.onnxffmpeg is not installed没装 ffmpeg安装 ffmpeg 后用ffmpeg -version验证CUDAExecutionProvider not found装了普通 onnxruntime 而非 gpu 版卸载后按 requirements.txt 重装装对 onnxruntime-gpuError loading face swapper model / 输出 NaN老显卡跑 FP16 模型翻车models 里只留 FP32 版 inswapper_128.onnx 让程序自动回退Python version is not supportedPython 低于 3.9升级到 3.11–3.14重建 venv 重装依赖记住两件事就行模型文件放对 models 目录、执行器匹配你的硬件绝大多数加载失败都会消失。卡住时把报错原文复制出来去项目 issues 区搜同样的关键词基本都有人踩过同款坑。【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 实时换脸模型加载全攻略：10 分钟一次搞定 inswapper_128_fp16.onnx 加载报错
Deep-Live-Cam 实时换脸模型加载全攻略10 分钟一次搞定 inswapper_128_fp16.onnx 加载报错【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你刚 clone 完 Deep-Live-Cam正准备跑第一次实时换脸python run.py却报inswapper_128_fp16.onnx not found程序直接停住。别慌换脸模型负责把人像贴过去的核心组件的加载问题跟着下面的步骤走10 分钟就能跑通。环境自检Deep-Live-Cam 模型加载前必查 6 项这一步花 2 分钟有一项没过后面折腾模型全白搭。按顺序逐项打勾#检查项怎么查达标标准1Python 版本python --version3.11–3.14推荐 3.14低于 3.9 程序直接拒绝启动2ffmpeg 已安装ffmpeg -version能打印版本号程序启动时会检查缺了立即退出3models 目录与模型文件打开项目下的 models/ 文件夹里有 inswapper_128.onnx 或 inswapper_128_fp16.onnx 其一即可4venv 已创建并激活python -m venv venv后激活依赖装在全局环境容易互相污染5依赖已安装pip install -r requirements.txt跑完onnxruntime、insightface 均可见6NVIDIA 驱动仅 GPU 用户nvidia-smi能打印显卡与 CUDA 版本别纠结 fp16 文件它只是 GPU 加速版程序找不到时会自动回退到 FP32 版 inswapper_128.onnx有后者就够跑了。按场景走修复路径全新安装、升级报错、显存不够切 CPU 对号入座选分支每个分支都按现象 → 定位 → 操作 → 确认四拍走。场景 A全新 clone第一次跑现象启动即提示Model not found in models。定位思路大概率是首次自动下载没跑成或网络中断先看 models 目录里到底有没有文件。还没拉代码的话先用这条命令克隆并装好依赖git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam pip install -r requirements.txt在项目根目录跑一次python run.py预检会自动下载约 300MB 的模型到 models/ 目录下载中断就手动把 inswapper_128.onnx 放进 models 目录文件名一个字母都不能差只有要开人脸增强时才需要补放 GFPGANv1.4.onnx日常换脸可以不管它确认修好控制台出现Face swapper model loaded successfully界面里能选脸、点 Live 出画面就通了。场景 B升级依赖或换机后突然报错现象以前好好的pip升级了几次包、或换台机器重装后就报Error loading face swapper model。定位思路别急着下模型先确认 onnxruntimeONNX 推理运行时负责真正执行模型的版本没被带偏——版本和 execution providerEP模型跑在哪块硬件上不匹配是最常见的坑。用这条命令看当前机器支持哪些 EPpython -c import onnxruntime; print(onnxruntime.get_available_providers())列表里只有 CPUExecutionProvider、而你预期是 GPU说明装成了普通 onnxruntime不是 gpu 版别一个一个修包删掉 venv 重建用pip install -r requirements.txt整体重装一遍确认修好EP 列表里出现 CUDAExecutionProviderN 卡或 CoreMLExecutionProviderMac重启后模型正常加载。场景 C显存不够或想直接切 CPU现象加载过程崩溃、报 out of memory或 FP16 模型输出变 NaNGTX 16 系老卡上很典型。定位思路先分清显存紧张还是硬件不支持——显存紧就降占用老卡加 fp16 则交给程序自动回退不用手动改模型。启动时加--execution-provider cpu切到 CPU 推理慢一些但最稳顺手加--max-memory 8给进程内存封顶防止拖垮整机若 models 里只有 fp16 文件补一个 FP32 版 inswapper_128.onnx程序会优先用它兜底确认修好中端 PC 上也能稳定出帧参考下图这种 CPU 场景下的实际表现实时换脸依然可用。跑通之后3 条让实时换脸长期稳定的调优建议 ⚠️锁死依赖版本装完 requirements.txt 后别再单独pip upgradeonnxruntime。为什么有效EP 兼容性是按版本验证的单独升一个包最容易把整条链路带坏。保留--max-memory参数Windows 默认 16GB、Mac 默认 4GB。为什么有效程序会给进程设内存上限一次 OOM 不会连累整机。不用的帧处理器别开face_enhancerGFPGAN 人脸增强、mouth_mask 每多开一个就多加载一个模型、多占一份显存。为什么有效加载的模型越少内存压力越小长时直播越不容易掉帧。报错速查表inswapper 模型加载失败复制粘贴即用报错关键词大概率原因一步修复inswapper_128_fp16.onnx not found / Model not foundmodels 目录里没有模型跑一次python run.py触发自动下载或手动放入 inswapper_128.onnxffmpeg is not installed没装 ffmpeg安装 ffmpeg 后用ffmpeg -version验证CUDAExecutionProvider not found装了普通 onnxruntime 而非 gpu 版卸载后按 requirements.txt 重装装对 onnxruntime-gpuError loading face swapper model / 输出 NaN老显卡跑 FP16 模型翻车models 里只留 FP32 版 inswapper_128.onnx 让程序自动回退Python version is not supportedPython 低于 3.9升级到 3.11–3.14重建 venv 重装依赖记住两件事就行模型文件放对 models 目录、执行器匹配你的硬件绝大多数加载失败都会消失。卡住时把报错原文复制出来去项目 issues 区搜同样的关键词基本都有人踩过同款坑。【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