企业官网建设流程全解析

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-Cam

Deep-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

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\activate

python3 -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：

1. 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。
2. 点Select a target选一张目标图。
3. 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：

1. 选好消息源脸（Select a face）。
2. 在底部Camera区域下拉框里选摄像头，点Live。
3. 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：

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：

pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128 pip uninstall onnxruntime onnxruntime-gpu pip install onnxruntime-gpu==1.21.0

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 16，CUDA 固定 2），想改就传--execution-threads；内存上限--max-memory默认 16GB（macOS 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