Deep-Live-Cam 实时AI换脸完整教程10分钟从零搭建你的换脸系统【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 是一个开源的实时AI换脸工具给它一张照片它能把你摄像头画面或一段视频里的人脸实时替换成另一张脸。读完这篇教程你会装好完整环境、跑通第一次实时换脸并学会做视频换脸、多人换脸和 GPU 加速。 先看效果这东西到底能干什么左边是你右边是换完脸的你。左侧面板可以选源脸、选目标摄像头或视频文件点Live走实时模式点Start走文件处理模式。整个过程就是选图片、点按钮没有复杂的参数配置。 开工前一次性备齐三样东西装之前先把下面这些对一遍能省掉后面 80% 的折腾。准备项要求说明Python3.11 – 3.14推荐 3.14低于 3.11 装不上关键依赖python --version先确认基础工具pip、git、ffmpegffmpeg 是视频处理的地基系统里必须有内存至少 8GB实时模式对内存有实际占用显卡可选有 NVIDIA / AMD / Apple Silicon 显卡能明显提速纯 CPU 也能跑只是慢模型文件GFPGANv1.4.onnxinswapper_128_fp16.onnx两个文件都放进项目根目录的models/文件夹合计约 300MB。首次运行会自动下载手动放好可以省时间 跑起来装环境 完成第一次实时换脸按顺序走这四步全程命令不超过五条。克隆仓库git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam建虚拟环境并装依赖强烈建议用 venv避免污染你系统里的 Python 环境python -m venv venvWindows 执行venv\Scripts\activateLinux/macOS 执行source venv/bin/activate然后pip install -r requirements.txt放模型把GFPGANv1.4.onnx和inswapper_128_fp16.onnx直接丢进models/目录。文件没放对位置是启动失败最常见的原因放好再往下走。启动并完成第一次实时AI换脸python run.py窗口打开后点Browse选一张清晰的正脸照片作为源脸 → 选好摄像头 → 点Live。预览画面出现大概要等 10–30 秒第一次加载模型比较慢别急着关。看到自己的脸实时变成照片里的人就成了。如果要直播用 OBS 等工具对这个窗口做屏幕捕获即可。 三个场景按你的用法走场景一直播摄像头换脸主播、娱乐、虚拟形象适合谁想开直播加换脸效果、做虚拟形象的人。操作python run.py启动程序选好源脸图片点Live开启实时摄像头模式预览出现后在 OBS 里对该窗口做屏幕捕获推流想中途换脸直接重新选一张源图无需重启关键参数参数作用建议--mouth-mask保留你原本的嘴部动作只做脸的其他部分替换说话内容多的直播建议开口型更自然--keep-fps输出保持原始帧率实时和剪辑都建议开观感更流畅场景二视频换脸影视片段、剪辑创作适合谁手里有一段视频想把里面某个人的脸整体换掉的人。操作启动程序后Browse选好源脸图片再选目标视频文件点Start处理完的输出会保存在一个以目标视频命名的目录里去那里找成品长视频建议先切片段分别处理失败也能快速定位关键参数参数作用建议--keep-audio保留原视频音轨默认建议开别让人物失声--video-encoder选择编码器可选libx264/libx265/libvpx-vp9求兼容用libx264求体积用libx265可配合--video-quality0–51微调场景三多人换脸映射会议、演出、多人画面适合谁画面里不止一张脸、需要一人对一脸的场景。操作启动程序准备多张源脸图片加--many-faces让程序处理画面里每一张脸加--map-faces进入源脸-目标脸映射模式把每张源脸指派给画面中对应的目标脸如果误检了背景里的小脸调低检测灵敏度即可--many-faces和--map-faces是多人场景的一对搭档前者管换所有脸后者管谁换给谁。⚡ 让它跑更快按你的显卡选加速方案默认在 CPU 上跑帧率取决于处理器性能。装对对应的执行提供程序帧率通常能翻几倍。三套方案选你硬件对应的那一套即可硬件执行提供程序安装要点启动方式NVIDIAcuda先装 CUDA 12.8 和 cuDNN 8.9.7bin 目录要进 PATH再装onnxruntime-gpu1.21.0python run.py --execution-provider cudaAMD / IntelWindowsdirectml卸载现有 onnxruntime 后装onnxruntime-directml1.21.0python run.py --execution-provider directmlApple Siliconcoreml装完requirements.txt就自带 CoreML 支持如果装过onnxruntime-silicon要先卸掉python3 run.py --execution-provider coremlNVIDIA 用户的安装命令pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128 pip uninstall onnxruntime onnxruntime-gpu pip install onnxruntime-gpu1.21.0两个轻量调优参数卡帧的时候可以试参数作用建议--execution-threads设置推理线程数从 2 或 4 试起线程不是越多越好--max-memory限制最大内存占用GB内存紧张的机器设 4 左右另外记得更新显卡驱动、直播时降低摄像头输入分辨率这两招对帧率的提升往往比改参数还直接。 出问题时四个最常见的坑坑一启动直接报错、依赖冲突症状python run.py一执行就抛一堆包版本错误。原因直接装在了系统 Python 上和其他项目依赖打架。解决删掉现有环境重来一遍 venv 流程python -m venv venv→ 激活 →pip install -r requirements.txt并确认python --version在 3.11 到 3.14 之间。坑二提示模型缺失或加载失败症状程序能启动但处理时反复报找不到模型。原因models/里没有GFPGANv1.4.onnx和inswapper_128_fp16.onnx或文件下了一半。解决ls models/检查两个文件是否完整合计约 300MB缺了就重新下载放进去。坑三实时画面帧率太低、延迟大症状CPU 占用拉满画面明显卡顿。原因在 CPU 上跑或摄像头分辨率给太高。解决按上一节开启对应显卡的 GPU 加速没有独显就把摄像头降到 720p再试--execution-threads 2 --max-memory 4。坑四脸检测不到、替换效果发糊症状画面里明明有脸程序却说找不到。原因光照暗、脸侧着、或者源图本身质量差。解决把脸正对摄像头、补光让脸亮均匀源图选一张清晰正脸照比调任何参数都有效。 从用到改代码是怎么组织的Deep-Live-Cam 的代码按每帧走一条流水线来组织。入口是 run.py真正干活的全在 modules/ 里modules/processors/frame/ 下的face_swapper.py、face_enhancer.py、face_masking.py分别负责换脸、面部增强和遮罩一帧进来依次过这几个处理器。想加自定义逻辑比如换完脸再叠个滤镜基本就是照着现有处理器写一个新的、注册进流水线不动其他模块。自动化方面不用写代码带-s/--source参数时程序会进入 CLI 模式-t/--target指定目标、-o/--output指定输出一行命令就能把启动-选图-处理串起来方便写脚本批量跑。modules/ ├── processors/frame/ # 帧处理器换脸、增强、遮罩 │ ├── face_swapper.py │ ├── face_enhancer.py │ └── face_masking.py ├── face_analyser.py # 人脸检测与分析 ├── video_capture.py # 摄像头/视频采集 ├── ui.py # 图形界面 └── core.py # 主流程调度⚖️ 使用边界换别人的脸之前先拿到本人的明确同意生成内容发到网上时标注它是 AI 生成的深度伪造别让它以真人实拍的身份流通。程序内置了内容过滤拒绝处理不当媒体这是底线而不是可选项——工具给你的是创作能力用途合不合法由你自己负责。写在最后到这里环境、模型、实时换脸、视频换脸、多人映射和 GPU 加速这条线你已经全部走通了剩下的就是多试几张源脸、多跑两段视频手感自然就来了。打开终端先跑那条python run.py看第一张不是你的脸出现在屏幕上。【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 Deep-Live-Cam 实时AI换脸完整教程：10分钟从零搭建你的换脸系统
Deep-Live-Cam 实时AI换脸完整教程10分钟从零搭建你的换脸系统【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 是一个开源的实时AI换脸工具给它一张照片它能把你摄像头画面或一段视频里的人脸实时替换成另一张脸。读完这篇教程你会装好完整环境、跑通第一次实时换脸并学会做视频换脸、多人换脸和 GPU 加速。 先看效果这东西到底能干什么左边是你右边是换完脸的你。左侧面板可以选源脸、选目标摄像头或视频文件点Live走实时模式点Start走文件处理模式。整个过程就是选图片、点按钮没有复杂的参数配置。 开工前一次性备齐三样东西装之前先把下面这些对一遍能省掉后面 80% 的折腾。准备项要求说明Python3.11 – 3.14推荐 3.14低于 3.11 装不上关键依赖python --version先确认基础工具pip、git、ffmpegffmpeg 是视频处理的地基系统里必须有内存至少 8GB实时模式对内存有实际占用显卡可选有 NVIDIA / AMD / Apple Silicon 显卡能明显提速纯 CPU 也能跑只是慢模型文件GFPGANv1.4.onnxinswapper_128_fp16.onnx两个文件都放进项目根目录的models/文件夹合计约 300MB。首次运行会自动下载手动放好可以省时间 跑起来装环境 完成第一次实时换脸按顺序走这四步全程命令不超过五条。克隆仓库git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam建虚拟环境并装依赖强烈建议用 venv避免污染你系统里的 Python 环境python -m venv venvWindows 执行venv\Scripts\activateLinux/macOS 执行source venv/bin/activate然后pip install -r requirements.txt放模型把GFPGANv1.4.onnx和inswapper_128_fp16.onnx直接丢进models/目录。文件没放对位置是启动失败最常见的原因放好再往下走。启动并完成第一次实时AI换脸python run.py窗口打开后点Browse选一张清晰的正脸照片作为源脸 → 选好摄像头 → 点Live。预览画面出现大概要等 10–30 秒第一次加载模型比较慢别急着关。看到自己的脸实时变成照片里的人就成了。如果要直播用 OBS 等工具对这个窗口做屏幕捕获即可。 三个场景按你的用法走场景一直播摄像头换脸主播、娱乐、虚拟形象适合谁想开直播加换脸效果、做虚拟形象的人。操作python run.py启动程序选好源脸图片点Live开启实时摄像头模式预览出现后在 OBS 里对该窗口做屏幕捕获推流想中途换脸直接重新选一张源图无需重启关键参数参数作用建议--mouth-mask保留你原本的嘴部动作只做脸的其他部分替换说话内容多的直播建议开口型更自然--keep-fps输出保持原始帧率实时和剪辑都建议开观感更流畅场景二视频换脸影视片段、剪辑创作适合谁手里有一段视频想把里面某个人的脸整体换掉的人。操作启动程序后Browse选好源脸图片再选目标视频文件点Start处理完的输出会保存在一个以目标视频命名的目录里去那里找成品长视频建议先切片段分别处理失败也能快速定位关键参数参数作用建议--keep-audio保留原视频音轨默认建议开别让人物失声--video-encoder选择编码器可选libx264/libx265/libvpx-vp9求兼容用libx264求体积用libx265可配合--video-quality0–51微调场景三多人换脸映射会议、演出、多人画面适合谁画面里不止一张脸、需要一人对一脸的场景。操作启动程序准备多张源脸图片加--many-faces让程序处理画面里每一张脸加--map-faces进入源脸-目标脸映射模式把每张源脸指派给画面中对应的目标脸如果误检了背景里的小脸调低检测灵敏度即可--many-faces和--map-faces是多人场景的一对搭档前者管换所有脸后者管谁换给谁。⚡ 让它跑更快按你的显卡选加速方案默认在 CPU 上跑帧率取决于处理器性能。装对对应的执行提供程序帧率通常能翻几倍。三套方案选你硬件对应的那一套即可硬件执行提供程序安装要点启动方式NVIDIAcuda先装 CUDA 12.8 和 cuDNN 8.9.7bin 目录要进 PATH再装onnxruntime-gpu1.21.0python run.py --execution-provider cudaAMD / IntelWindowsdirectml卸载现有 onnxruntime 后装onnxruntime-directml1.21.0python run.py --execution-provider directmlApple Siliconcoreml装完requirements.txt就自带 CoreML 支持如果装过onnxruntime-silicon要先卸掉python3 run.py --execution-provider coremlNVIDIA 用户的安装命令pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128 pip uninstall onnxruntime onnxruntime-gpu pip install onnxruntime-gpu1.21.0两个轻量调优参数卡帧的时候可以试参数作用建议--execution-threads设置推理线程数从 2 或 4 试起线程不是越多越好--max-memory限制最大内存占用GB内存紧张的机器设 4 左右另外记得更新显卡驱动、直播时降低摄像头输入分辨率这两招对帧率的提升往往比改参数还直接。 出问题时四个最常见的坑坑一启动直接报错、依赖冲突症状python run.py一执行就抛一堆包版本错误。原因直接装在了系统 Python 上和其他项目依赖打架。解决删掉现有环境重来一遍 venv 流程python -m venv venv→ 激活 →pip install -r requirements.txt并确认python --version在 3.11 到 3.14 之间。坑二提示模型缺失或加载失败症状程序能启动但处理时反复报找不到模型。原因models/里没有GFPGANv1.4.onnx和inswapper_128_fp16.onnx或文件下了一半。解决ls models/检查两个文件是否完整合计约 300MB缺了就重新下载放进去。坑三实时画面帧率太低、延迟大症状CPU 占用拉满画面明显卡顿。原因在 CPU 上跑或摄像头分辨率给太高。解决按上一节开启对应显卡的 GPU 加速没有独显就把摄像头降到 720p再试--execution-threads 2 --max-memory 4。坑四脸检测不到、替换效果发糊症状画面里明明有脸程序却说找不到。原因光照暗、脸侧着、或者源图本身质量差。解决把脸正对摄像头、补光让脸亮均匀源图选一张清晰正脸照比调任何参数都有效。 从用到改代码是怎么组织的Deep-Live-Cam 的代码按每帧走一条流水线来组织。入口是 run.py真正干活的全在 modules/ 里modules/processors/frame/ 下的face_swapper.py、face_enhancer.py、face_masking.py分别负责换脸、面部增强和遮罩一帧进来依次过这几个处理器。想加自定义逻辑比如换完脸再叠个滤镜基本就是照着现有处理器写一个新的、注册进流水线不动其他模块。自动化方面不用写代码带-s/--source参数时程序会进入 CLI 模式-t/--target指定目标、-o/--output指定输出一行命令就能把启动-选图-处理串起来方便写脚本批量跑。modules/ ├── processors/frame/ # 帧处理器换脸、增强、遮罩 │ ├── face_swapper.py │ ├── face_enhancer.py │ └── face_masking.py ├── face_analyser.py # 人脸检测与分析 ├── video_capture.py # 摄像头/视频采集 ├── ui.py # 图形界面 └── core.py # 主流程调度⚖️ 使用边界换别人的脸之前先拿到本人的明确同意生成内容发到网上时标注它是 AI 生成的深度伪造别让它以真人实拍的身份流通。程序内置了内容过滤拒绝处理不当媒体这是底线而不是可选项——工具给你的是创作能力用途合不合法由你自己负责。写在最后到这里环境、模型、实时换脸、视频换脸、多人映射和 GPU 加速这条线你已经全部走通了剩下的就是多试几张源脸、多跑两段视频手感自然就来了。打开终端先跑那条python run.py看第一张不是你的脸出现在屏幕上。【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