企业官网建设流程全解析

Deep-Live-Cam 云端免费部署：没有显卡，也能用一张照片实时换脸

【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-Cam

想试实时换脸，但本机没有独立显卡，装环境到一半就被劝退了。把部署搬到云端就行：用浏览器里的免费 Python 环境跑 Deep-Live-Cam，全程不碰本地配置。跟着做，15 分钟内在浏览器里看到第一段换脸成片。

跑之前先确认三件事

• 一台能打开 Chrome 的电脑（没有的话，任何有浏览器的设备都行，Colab 本身就跑在浏览器里）
• 手边有一张正脸清晰、光线充足的照片当源脸，分辨率 512×512 以上（没有的话，先用一张朋友头像试，但记得取得本人同意）
• 目标素材不超过 30 秒（更长会触发免费会话的闲置回收，先裁剪再上传）

三件事都满足，就可以动手了。先说清楚它能产出什么：下面这段电影画面，就是逐帧把源脸替换上去的效果。

电影画面的逐帧换脸效果

云端环境搭建（复制粘贴即可）

打开 Colab 新建一个 notebook。三行命令分别做三件事：克隆仓库（--depth 1只拉最新一次提交，省时间）、进入项目目录、按 requirements.txt 一次性装齐 opencv、insightface、onnxruntime 等推理依赖。

!git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam %cd Deep-Live-Cam !pip install -r requirements.txt

输出区最后一行出现 Successfully installed、且没有红色报错，就算装好了。它默认走 CPU 推理，没有显卡也能完成 CPU 实时换脸，帧率慢一些但够用。万一系统提示找不到 ffmpeg，再补一行!apt-get install -y ffmpeg即可，一般用不上。

第一次运行：从上传到出片

你这边只需要传两个文件：源脸照片存成 face.jpg，目标视频存成 target.mp4。图形界面需要本地屏幕，云端直接用项目自带的命令行模式——给 run.py 传入-s源脸参数，它就会走无界面的批处理流程。

# Colab 里执行，会弹出文件选择框 from google.colab import files files.upload()

上传成功后，机器开始干活：首次运行自动下载约 300MB 的换脸和修复模型，相当于一个中型 MP4 的大小；随后逐帧检测目标视频里的人脸、把源脸替换上去，并把原音轨合回成片。首次运行约 2~4 分钟，取决于网络速度。

# -s 指定源脸，-t 指定目标视频，音频默认保留 !python run.py -s face.jpg -t target.mp4

你拿到的是一个成品视频：它存放在以 target.mp4 命名的文件夹里，运行结束后把单元格换成files.download()指向该路径，就能下载到本地核对效果。

无显卡时仅靠 CPU 的实际运行表现

卡住了？看这里 + 还能玩什么

• 模型下载中断 → 把两个 .onnx 文件手动放进 models/ 目录再重跑
• 检测不到人脸 → 换一张正脸、光线足、无遮挡的照片
• 处理长视频会触发会话超时 → 先裁短片段，跑完尽快下载
• 画面里有多张脸要全换 → 给它加--many-faces就能替换全部人脸

进阶方向有两个。参数级：加--mouth-mask保留目标人物的嘴部动作，口型更自然，--map-faces则能给多张脸分别指定不同源脸。代码级：实时流程核心在 modules/core.py，界面配置在 modules/ui.py，想改行为从这两个文件入手。

使用真人照片需取得本人同意，发布时注明内容系深度伪造生成。

【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