拓冰网站定制 
Deep-Live-Cam3步跑通实时AI换脸【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 换脸工具用一张静态照片作为源人脸即可在摄像头画面或视频文件上逐帧替换人脸全部在本机完成推理素材不出机器。它基于 ONNX Runtime 做推理ONNX 是一种跨平台的模型运行格式支持 CPU、NVIDIA、Apple Silicon、AMD、Intel 等多种硬件首次启动会自动下载约 300MB 的模型文件。实时换脸的三种玩法直播、视频与多人脸工具启动后是一个图形界面GUI所有功能围绕三种模式组织全部是逐帧实时处理摄像头模式Live选一张源脸照片点 Live摄像头画面里的人脸会被实时替换。配合 OBS 等录屏工具就能用于直播或视频会议。首次出现预览需要 10~30 秒加载模型。视频/图片模式指定一张源脸照片加一个目标视频文件输出换脸后的新视频保存到一个与目标视频同名的目录里。多人脸与人脸映射--many-faces处理画面中所有人脸--map-faces则手动指定哪张源脸对应画面里的哪个人适合给群像镜头逐人换脸。还有一个实用的开关是--mouth-mask嘴部保留换脸时保留目标画面里原来的嘴部区域口型动作与原始视频一致避免换过的嘴部出现对不上话的违和感。代价是嘴部表情不再来自源脸这是一个明确的效果取舍。从 0 到 1 跑通安装、模型与启动安装依赖前置条件Python3.11~3.14推荐 3.14、pip、git系统里要有 ffmpeg。手动安装有一定技术门槛官方也提供预编译的 Quickstart 包嫌麻烦可以跳过本节的 venv 流程。git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv # Windows: venv\Scripts\activate Linux/macOS: source venv/bin/activate pip install -r requirements.txtmacOS Apple Silicon 用户需要额外装 GUI 依赖brew install python-tk并用python3.14而不是python来运行。放入模型文件需要两个模型放进 models 目录inswapper_128_fp16.onnx—— 换脸核心模型GFPGANv1.4.onnx—— 人脸细节增强模型可选不用可省略不手动下载也可以首次运行python run.py时程序会自动拉取模型约 300MB有网即可。首次运行与关键启动参数# GUI 模式选照片 → 选摄像头/视频 → 点 Live 或 Start python run.py # CLI 模式带 -s/--source 参数时自动进入命令行处理 python run.py -s source.jpg -t target.mp4 -o output.mp4常用参数参数作用--mouth-mask保留目标画面原始嘴部口型更自然--many-faces/--map-faces处理全部人脸 / 手动指定人脸对应关系--frame-processor face_enhancer换脸后追加 GFPGAN 增强提升面部细节--video-encoder/--video-quality输出编码器默认 libx264与质量0~51默认 18数值越小质量越高--max-memory限制内存占用GB按硬件选择执行后端execution provider决定推理跑在哪个芯片上硬件额外安装启动参数CPU默认可用无python run.pyNVIDIAonnxruntime-gpu1.26.0 CUDA 12.8--execution-provider cudaApple Silicon无官方 onnxruntime 自带--execution-provider coremlWindows 通用 GPUonnxruntime-directml1.21.0--execution-provider directmlIntelonnxruntime-openvino1.21.0--execution-provider openvinoCPU 模式在典型场景下帧率有限能跑但谈不上流畅追求实时体验建议优先配置 GPU 后端。效果来源与适用边界什么时候好用、什么时候别用效果的来源128 像素换脸加可选增强换脸的核心模型inswapper_128把检测到的脸裁剪、对齐成 128×128 再换回来所以正脸、光线均匀的中近景效果最好。如果画面里的人侧脸角度大、被遮挡或分辨率很低检测本身就可能不稳定。面部细节不足时追加--frame-processor face_enhancerGFPGAN或用 GPEN-256/GPEN-512 可以补细节但每多一级处理单帧耗时就增加。注意一个常见误解这个工具没有基于音频的口型驱动嘴部要么完整替换成源脸的嘴要么用--mouth-mask保留目标原本的嘴二者选一。适用与不适用的场景适合直播/视频会议换脸、短片快速换脸预演、影视角色适配性测试、群像镜头批量换脸。不适合需要逐帧精确控制的专业后期它没有时间线编辑、对嘴型与语音严格对齐的场景、素材含敏感内容内置 NSFW 检测会直接拒绝处理。性能预期CPU 模式以能出片为目标GPU 模式下 720p 实时预览是典型目标具体帧率与显卡、模型组合相关以实际运行为准。⚠️ 合规提醒README 明确要求——使用真实人物的脸须获得本人同意发布内容时标注AI 生成/deepfake。工具内置 NSFW 过滤--nsfw-filter拦截不当素材但法律与道德责任在使用者。下一步动作用python run.py进 GUI选一张正脸照片点 Live 确认摄像头模式出预览的耗时跑一遍python run.py -s 照片.jpg -t 视频.mp4 --mouth-mask对比开与不开嘴部保留的差别把--frame-processor从默认换成face_enhancer观察面部细节与帧率的变化找一段两个以上人的视频加上--many-faces验证多人脸检测的稳定性若在用 CPU 跑装好对应 GPU 后端后用--execution-provider cuda或 coreml/directml重跑同一素材对比帧率【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：3步跑通实时AI换脸
Deep-Live-Cam3步跑通实时AI换脸【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 换脸工具用一张静态照片作为源人脸即可在摄像头画面或视频文件上逐帧替换人脸全部在本机完成推理素材不出机器。它基于 ONNX Runtime 做推理ONNX 是一种跨平台的模型运行格式支持 CPU、NVIDIA、Apple Silicon、AMD、Intel 等多种硬件首次启动会自动下载约 300MB 的模型文件。实时换脸的三种玩法直播、视频与多人脸工具启动后是一个图形界面GUI所有功能围绕三种模式组织全部是逐帧实时处理摄像头模式Live选一张源脸照片点 Live摄像头画面里的人脸会被实时替换。配合 OBS 等录屏工具就能用于直播或视频会议。首次出现预览需要 10~30 秒加载模型。视频/图片模式指定一张源脸照片加一个目标视频文件输出换脸后的新视频保存到一个与目标视频同名的目录里。多人脸与人脸映射--many-faces处理画面中所有人脸--map-faces则手动指定哪张源脸对应画面里的哪个人适合给群像镜头逐人换脸。还有一个实用的开关是--mouth-mask嘴部保留换脸时保留目标画面里原来的嘴部区域口型动作与原始视频一致避免换过的嘴部出现对不上话的违和感。代价是嘴部表情不再来自源脸这是一个明确的效果取舍。从 0 到 1 跑通安装、模型与启动安装依赖前置条件Python3.11~3.14推荐 3.14、pip、git系统里要有 ffmpeg。手动安装有一定技术门槛官方也提供预编译的 Quickstart 包嫌麻烦可以跳过本节的 venv 流程。git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv # Windows: venv\Scripts\activate Linux/macOS: source venv/bin/activate pip install -r requirements.txtmacOS Apple Silicon 用户需要额外装 GUI 依赖brew install python-tk并用python3.14而不是python来运行。放入模型文件需要两个模型放进 models 目录inswapper_128_fp16.onnx—— 换脸核心模型GFPGANv1.4.onnx—— 人脸细节增强模型可选不用可省略不手动下载也可以首次运行python run.py时程序会自动拉取模型约 300MB有网即可。首次运行与关键启动参数# GUI 模式选照片 → 选摄像头/视频 → 点 Live 或 Start python run.py # CLI 模式带 -s/--source 参数时自动进入命令行处理 python run.py -s source.jpg -t target.mp4 -o output.mp4常用参数参数作用--mouth-mask保留目标画面原始嘴部口型更自然--many-faces/--map-faces处理全部人脸 / 手动指定人脸对应关系--frame-processor face_enhancer换脸后追加 GFPGAN 增强提升面部细节--video-encoder/--video-quality输出编码器默认 libx264与质量0~51默认 18数值越小质量越高--max-memory限制内存占用GB按硬件选择执行后端execution provider决定推理跑在哪个芯片上硬件额外安装启动参数CPU默认可用无python run.pyNVIDIAonnxruntime-gpu1.26.0 CUDA 12.8--execution-provider cudaApple Silicon无官方 onnxruntime 自带--execution-provider coremlWindows 通用 GPUonnxruntime-directml1.21.0--execution-provider directmlIntelonnxruntime-openvino1.21.0--execution-provider openvinoCPU 模式在典型场景下帧率有限能跑但谈不上流畅追求实时体验建议优先配置 GPU 后端。效果来源与适用边界什么时候好用、什么时候别用效果的来源128 像素换脸加可选增强换脸的核心模型inswapper_128把检测到的脸裁剪、对齐成 128×128 再换回来所以正脸、光线均匀的中近景效果最好。如果画面里的人侧脸角度大、被遮挡或分辨率很低检测本身就可能不稳定。面部细节不足时追加--frame-processor face_enhancerGFPGAN或用 GPEN-256/GPEN-512 可以补细节但每多一级处理单帧耗时就增加。注意一个常见误解这个工具没有基于音频的口型驱动嘴部要么完整替换成源脸的嘴要么用--mouth-mask保留目标原本的嘴二者选一。适用与不适用的场景适合直播/视频会议换脸、短片快速换脸预演、影视角色适配性测试、群像镜头批量换脸。不适合需要逐帧精确控制的专业后期它没有时间线编辑、对嘴型与语音严格对齐的场景、素材含敏感内容内置 NSFW 检测会直接拒绝处理。性能预期CPU 模式以能出片为目标GPU 模式下 720p 实时预览是典型目标具体帧率与显卡、模型组合相关以实际运行为准。⚠️ 合规提醒README 明确要求——使用真实人物的脸须获得本人同意发布内容时标注AI 生成/deepfake。工具内置 NSFW 过滤--nsfw-filter拦截不当素材但法律与道德责任在使用者。下一步动作用python run.py进 GUI选一张正脸照片点 Live 确认摄像头模式出预览的耗时跑一遍python run.py -s 照片.jpg -t 视频.mp4 --mouth-mask对比开与不开嘴部保留的差别把--frame-processor从默认换成face_enhancer观察面部细节与帧率的变化找一段两个以上人的视频加上--many-faces验证多人脸检测的稳定性若在用 CPU 跑装好对应 GPU 后端后用--execution-provider cuda或 coreml/directml重跑同一素材对比帧率【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