Deep-Live-Cam 实战上手一张照片搞定实时换脸3 分钟跑通本地 AI 深度伪造【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 是一个开源的实时人脸交换工具只需一张照片就能把这张脸实时替换到摄像头或视频里实现一键视频深度伪造。它内置 NVIDIA、AMD、Intel 与 Apple Silicon 多种加速后端也允许纯 CPU 跑适合内容创作、特效预览和直播娱乐等场景。下面用三步带你装好并跑通再拆开它能做什么、怎么调参更稳。三分钟装好并跑通 Deep-Live-Cam 实时换脸先确认环境Python 3.113.14推荐 3.14、pip、git、ffmpeg四样齐全。显卡不是必须的有 NVIDIA / AMD / Intel / Apple Silicon 会更快没有也能用 CPU。1️⃣ 拉取代码clone 仓库地址如下git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam2️⃣ 建虚拟环境并装依赖Linux / macOS 写法Windows 把source venv/bin/activate换成venv\Scripts\activatepython3 -m venv venv source venv/bin/activate pip install -r requirements.txt3️⃣ 启动python run.py首次运行会自动下载模型约 300MB稍等片刻即可。如果你希望手动控制把inswapper与GFPGAN两个模型放进 models/instructions.txt 说明的models文件夹即可。跑起来之后你会看到一个图形界面选一张源脸照片、选一个目标图片/视频点Start输出会保存在一个以目标命名的目录里。整个换脸结果大致长这样它到底能做什么拆解三个核心换脸能力别被深度伪造这个词吓到它的核心其实就三件事你各看一个是什么 / 为什么 / 怎么用。换脸主体把一张脸贴到任何目标上底层由 modules/processors/frame/face_swapper.py 驱动。它先把目标人脸对齐到 128×128 的标准空间再拿源脸的身份特征去生成融合结果——保留目标的姿态、表情和光照只把长相换成你的。人脸定位靠 InsightFace 的buffalo_l模型RetinaFace 检测 106 个关键点 512 维识别向量实现在 modules/face_analyser.py。怎么用界面里选源脸照片、选目标点 Start 就行不需要你关心对齐和融合细节。保留口型Mouth Mask 让说话更自然为什么要有它因为换脸最容易被看出来的是嘴。开了口型保留后系统会从原始帧里切出真实嘴唇贴回去于是人物说话、唱歌时嘴型和声音对得上而不是换了一整张假嘴。怎么用在界面上勾上Mouth Mask命令行加--mouth-mask。下面这段就是开口型保留后的实时效果一对多换脸Face Mapping 同时替换多张脸多人同框时默认只会换一张脸。开Many Faces会让系统把源脸贴到画面里每一张检测到的人脸上开Face Mapping则能指定谁换谁实现精确的一对多映射匹配逻辑在 modules/cluster_analysis.py。怎么用界面上勾选 Many Faces 或 Map Faces命令行用--many-faces/--map-faces。下面是多张脸同时被替换的效果让画面更稳的调参清单照着改就行参数分散在各处这里收成一张可照做的表。原则是先跑通、再逐个开关每次只动一项看变化参数 / 开关解决什么问题预期效果--execution-provider cuda / coreml / directml / openvino默认在 CPU 跑太慢挂上对应后端推理明显提速没有对应硬件就用cpu--frame-processor face_enhancer_gpen512换完脸偏糊512 最清晰gpen256更快实时模式建议关掉增强--mouth-mask说话时嘴型不像保留原始嘴唇口型与声音同步--video-quality0–51越大越糊输出文件太大或太糊数字调大更省空间调小更清晰--max-memoryGB内存占用爆掉限制内存上限防止 OOM--execution-threadsCPU 被占满、系统卡顿控制并发线程数低配机器可设 2opacity界面滑杆0–1换脸太假 / 太突兀与原图按权重混合降低可藏一点泊松融合开关界面poisson_blend脸部接缝、边缘明显用泊松融合过渡边缘更自然两点补充NVIDIA 显卡下会自动启用CUDA Graph加速推理见 modules/processors/frame/face_swapper.py 的_init_cuda_graph_sessionCPU 下走多线程批量处理帧会分批喂给线程池见 modules/processors/frame/core.py所以线程数不必拉满。三个真实使用场景输入→操作→产出场景一给电影/剧集换脸做预览输入一部电影视频 一张你想要的脸。操作选源脸目标选电影文件开启 Face Enhancer 提升画质后点 Start。产出整段视频里主角都变成你指定的脸适合特效预演和看一部带自己脸的片。场景二OBS 直播 / 演出实时换脸输入一张源脸照片 你的摄像头。操作选源脸 → 选摄像头 → 点Live约 10–30 秒出预览用 OBS 做屏幕采集把预览窗口推出去。想换脸就再选一张源图。产出直播窗口里你的脸被实时替换三步即可完成无需写任何插件。场景三普通 CPU 电脑也能出片输入720p 短视频 一张源脸。操作python run.py --execution-provider cpu --execution-threads 2 --frame-processor face_swapper关掉增强保帧率。产出没有显卡也能跑完只是比 GPU 慢用--max-memory给内存设个上限长视频更稳。避坑指南高频问题的症状→原因→一条命令换完脸嘴型乱跳 / 说话不像原因没保留原始口型。 解决勾上 Mouth Mask命令行加--mouth-mask。画面抖动、闪烁wobble原因脸部融合接缝逐帧不稳定。 解决打开界面的泊松融合开关仍抖就开时间插值平滑必要时降低opacity。启动卡住或报模型未找到原因模型没下完 / 没放进正确目录。 解决确认models文件夹里有inswapper_128*.onnx与GFPGAN参考 models/instructions.txt再重跑python run.py触发自动下载。CPU 跑太慢、卡得动不了原因默认全线程 开了面部增强双重吃算力。 解决python run.py --execution-provider cpu --execution-threads 2 --frame-processor face_swapper把增强关掉先保帧率。合规与安全底线能做什么不能做什么它是个生产力工具但边界要清楚内置内容过滤项目带一个 NSFW 检测依赖opennsfw2会拦截裸露、血腥、战争等敏感素材处理这类内容会被拦下。真人脸需本人同意用真实人物的脸前先拿到对方授权。输出要标注分享换脸结果时明确标注这是深度伪造 / AI 生成。别拿去行骗不要用于诈骗、冒充、造谣等用途责任在使用者。具体条款见 README.md 的 Disclaimer 段落保持克制、合法使用。进阶与展望想深挖就从这里开始自定义处理器每个帧处理器都实现了pre_check / pre_start / process_frame / process_video这套接口定义在 modules/processors/frame/core.py照这个契约加自己的特效就能插进流水线。处理器目录见 modules/processors/frame/。跑基准、比硬件项目自带基准测试脚本 benchmark_pipeline.py可以量化对比不同执行后端的帧率与延迟调参前先测后改。追平台优化NVIDIA 走 CUDA Graph、Apple Silicon 走 CoreML 分区优化modules/onnx_optimize.py想压榨性能可以看这条链路模型与版本说明见 models/instructions.txt 与 README.md。一句话总结Deep-Live-Cam 把一张照片 → 实时换脸压缩到了三步之内上手快、能调参、也守住了安全底线。想持续跟进更新和新特性关注官方仓库即可。【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