企业官网建设流程全解析

Deep-Live-Cam：一键本地实时换脸，用一张照片替换摄像头和视频中的人脸

【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-Cam

Deep-Live-Cam 是一个本地实时换脸工具：给一张照片，它就把摄像头或视频里的人脸换成照片里的人。全程跑在你自己的电脑上，不需要服务器，适合能跟教程操作、但不想碰代码的创作者。

先确认这工具合不合适 🎯

• 视频通话换脸：正在开视频会或直播，按下 Live，对方屏幕里的脸立刻变成照片里的人
• 视频文件批量换脸：丢进一部电影，处理完在输出目录拿到一份人脸已替换的成品视频
• 多人脸玩梗：群像视频里每个人同时被换成不同的脸，几分钟做出一个表情包视频

开始前的准备：装好 Python 和模型文件

拿到 Python 和项目代码

项目要 Python 3.11～3.14（官方推荐 3.14），系统里再要有 git：

# 拉取项目代码并进入目录 git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam

创建虚拟环境并装依赖

# 建虚拟环境避免污染系统 Python，再装依赖 python3 -m venv venv source venv/bin/activate # Windows 用：venv\Scripts\activate pip install -r requirements.txt

依赖清单在 requirements.txt，其中 onnxruntime（真正跑模型的那层，你的显卡就是它的加速器）会按系统自动选版本：macOS ARM 装 CoreML 版，其他平台装 GPU 版。

把两个模型文件放进 models/

换脸效果由两个模型决定：inswapper_128_fp16.onnx（换脸核心，约 380MB）和GFPGANv1.4.pth（人脸增强，还原皮肤细节）。下载地址写在 models/instructions.txt，下完跑一遍ls models/确认两个文件都在。首次启动时程序还会自动下载约 300MB 的人脸检测等辅助模型，保持网络畅通。

五分钟跑通第一次

1. 启动，弹出图形界面：

# 启动 Deep-Live-Cam 图形界面 python run.py

2. 选：左边选一张正脸照片当源人脸，目标区选摄像头，按下 Live。
3. 确认：等 10～30 秒，预览窗口出现换好脸的摄像头画面——看到画面在动，就跑通了。

挑一个适合你的玩法

摄像头实时换脸（Live 模式），适合视频通话、直播、线下演出。

• 源人脸选高质量正脸照，越清晰替换越稳
• 界面上选对摄像头，按下 Live，等预览出现
• 想中途换人，重新选一张源图就行，不用重启
• 要对外推流，用 OBS 之类的工具截取这个预览窗口

💡 选表情中性、光线均匀的正脸照，换出来的脸最不容易穿帮。

视频文件人脸替换，适合批量处理拿到成品。

• 源人选好照片，目标选视频文件，点 Start
• 输出保存在以目标视频命名的目录里
• 界面里"保留音频"和"保留帧率"两个开关别关，原片音轨和帧率才会留
• 勾上人脸增强能还原皮肤细节，但更耗时

💡 先剪 10 秒片段试跑，满意了再处理完整视频。

硬件决定快慢：按显卡选执行方式

程序用--execution-provider参数选执行后端（参数定义在 modules/core.py）：

拿不准就先不加参数用 CPU 跑通全流程，功能确认没问题后再逐项升级。

卡住了看这里 ⚠️

提示找不到模型

• 现象：启动报 "Model not found" 或加载失败
• 原因：两个模型文件没放进models/，或下载中断导致文件不完整
• 修复：

# 确认两个文件都在且大小正常 ls -lh models/

对比 models/instructions.txt 里的来源重新下载；并确认首次运行的自动下载没被取消。

GPU 加速不生效

• 现象：选了 cuda 却回落 CPU，或报 CUDA 相关错误
• 原因：onnxruntime-gpu 找不到 CUDA/cuDNN 运行时库
• 修复：按顺序装好 CUDA Toolkit 12.x 和 cuDNN 8.9.7，再重装onnxruntime-gpu；仍不行就先删掉--execution-provider cuda用 CPU 跑起来再说。

Live 画面卡顿、帧率很低

• 现象：画面一顿一顿，帧率掉到个位数
• 原因：在 CPU 上跑，或画面里人脸太多、源图分辨率过高
• 修复：启用 GPU 执行后端（见上表）；减少同时处理的人脸数量；换一张较小的源图。

输出视频没声音或帧率变了

• 现象：输出视频静音，或播放节奏和原片对不上
• 原因：界面里"保留音频""保留帧率"开关被关掉了
• 修复：重新处理前把两个开关都打开，跑完对比输出文件和原片的音轨与帧率。

把效果拉满 🚀

多人脸映射：给画面里每个人分配不同的脸。

# 处理画面中所有人脸，并启用人脸映射 python run.py -t group.mp4 --many-faces --map-faces

在界面里打开 Many Faces 和 Map Faces 开关，用映射功能把每张源图指派给指定的人。

控制内存和盯住性能：长视频处理时内存可能越涨越高，提前设上限更稳。

# 限制程序最大内存为 8GB python run.py --max-memory 8

界面里的性能监控面板实时显示帧率、处理耗时和硬件占用，方便你判断该调哪个参数。

💡 长视频先用低画质试跑一遍确认流程，再用--video-quality（0～51，数字越小质量越高）出正式版。

玩之前先记住

• 使用他人面孔前，先拿到本人同意
• 分享成品时明确标注是深度伪造
• 不用于欺诈、诽谤等非法用途
• 不处理暴力和其他敏感素材

Deep-Live-Cam 把实时换脸的完整流程都跑在本地。卡住的话先去项目 Issue 区搜报错关键词，多数问题已有现成答案——现在就可以python run.py，五分钟拿到你的第一张实时换脸画面。

【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