Deep-Live-Cam 实时换脸上手指南：一张照片，5 分钟跑通本地 Deepfake 工具
【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 是一款开源的实时换脸工具：丢给它一张正脸照片，就能在摄像头画面或视频里把脸实时替换掉，全程在本机运行，不经过任何在线服务，不花一分钱。新手按这篇走完，能拿到自己的实时换脸预览；想批量处理视频的人，能直接抄走完整的命令行参数。
5 分钟出画面：最短启动路径
不用先懂原理，按顺序敲下面这 6 行：
git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv source venv/bin/activate # Windows 改用 venv\Scripts\activate pip install -r requirements.txt python run.py主窗口弹出来后，选源脸照片 → 选摄像头 → 按Live，等 10–30 秒，换脸预览就出现了。哪一行报错，就跳到下文对应的"安装四步"或"报错速查"一节找解法。
跑之前先自查：这台机器够不够
必选项，缺一个就跑不起来：
- Python 版本在 3.11–3.14 之间（官方推荐 3.14），
python --version可查 - 装了 git 和 pip（克隆仓库、装依赖要用）
- 装了 ffmpeg，且终端里
ffprobe -version能打印版本号——视频模式依赖它处理画面和音轨 - 仅 Windows：装好 Visual Studio 2022 运行库
可选项，只影响快慢，不影响能不能跑：
- NVIDIA 显卡：CUDA Toolkit 12.8.0 + cuDNN v8.9.7（bin 目录加进 PATH），再执行
pip install onnxruntime-gpu==1.26.0，启动时带--execution-provider cuda - Apple M1–M5 芯片：依赖文件里已含 CoreML 支持，
python3.14 run.py --execution-provider coreml直接跑 - Intel 平台：
pip install onnxruntime-openvino==1.21.0，启动加--execution-provider openvino - Windows + AMD 核显：
pip install onnxruntime-directml==1.21.0，启动加--execution-provider dml - 一样都不装：不加任何参数，程序会自动挑当前环境里最快的后端
没有独显的纯 CPU 机器也出得了画面，480p–720p 勉强实时，看预览没问题；有显卡则更顺滑。
安装四步：每步都有"算装好了"的标准
第 1 步：克隆仓库 + 建虚拟环境。上一条命令块里的前 4 行就干完了这件事——虚拟环境的作用是把依赖装进隔离空间，不污染系统 Python。 ✅ 怎么算装好了：终端提示符前面多了(venv)。
第 2 步：装依赖。执行pip install -r requirements.txt，包比较多时耐心等待。 ✅ 怎么算装好了：pip list里能同时看到opencv-python、onnxruntime、insightface。
第 3 步：备模型。两个核心文件要放进models/目录：inswapper_128_fp16.onnx（负责换脸合成）和gfpgan-1024.onnx（负责五官细节增强），合计约 300MB。首次启动会自动下载；等不及就提前手动下载好丢进去，文件名以 models/instructions.txt 为准。 ✅ 怎么算装好了：ls models/能列出这两个 .onnx 文件，或首次启动只是在下模型进度条。
第 4 步：启动。执行python run.py。 ✅ 怎么算装好了：出现主窗口，界面里有源脸选择、摄像头列表和 Live 按钮。
窗口模式：摄像头实时预览
操作顺序是固定的三步：选源脸 → 选摄像头 → 按 Live。
- 执行
python run.py打开主窗口； - 挑一张源脸照片。三个硬性要求：正脸、光线均匀、脸上无遮挡——口罩、贴纸、逆光都会拖垮检测效果，人脸在照片里占比越大越稳；
- 在窗口里选一台摄像头，推理后端程序自己挑，不用管；
- 按Live，首次加载要等 10–30 秒，预览一出现换脸就生效；想换人，直接重新选一张源照片；
- 推流：用 OBS 对预览窗口做窗口捕获即可。
窗口模式常用参数：
| 参数 | 干什么 | 什么时候用 |
|---|---|---|
--live-mirror | 预览按前置相机视角镜像 | 推出去的画面方向反了 |
--live-resizable | 允许拖动调整预览窗口大小 | 想按推流版式放大或缩小预览 |
--max-memory | 限制内存上限，单位 GB | 内存吃紧、预览开始掉帧 |
--det-size | 人脸检测输入尺寸，160 / 320 / 640 三档，默认 640 | 画面里脸偏小、或机器性能不够时调低 |
--nsfw-filter | 启用内置 opennsfw2 内容过滤 | 希望自动拦截不当素材 |
命令行模式：一条命令批量出片
命令行有个隐藏开关：只要带上-s，程序就不再弹窗口，直接进入无界面模式。
python run.py -s face.jpg -t clip.mp4 --keep-audio --keep-fps参数逐个说：
-s/--source：源脸照片，同时是"切到命令行模式"的开关-t/--target：目标图片或视频-o/--output：手动指定输出位置--keep-audio：保留原片音轨（默认本来就是开的，写上更保险）--keep-fps：保持原始帧率--many-faces：画面里每张脸都处理，默认只换一张--map-faces：配合--many-faces，把目标里的人聚类分组后手动绑定"谁换谁"--frame-processor：指定帧处理器，可选face_swapper、face_enhancer等--video-encoder：输出编码器，libx264/libx265/libvpx-vp9--video-quality：输出质量 0–51，默认 18，数字越小体积越小、质量越低
⚠️结果文件在哪，新手最容易懵：成品不会直接躺在当前目录，而是存进以目标视频命名的文件夹——clip.mp4的换脸结果就在源视频旁边的clip.mp4/目录里。找不到输出，先去那儿翻。
进阶调优：三个高频痛点的解法
口型对不上
现象：源脸和画面里的人嘴型不同，整脸替换后一开口就穿帮。原因：全脸替换把嘴也一起换掉了，动作不再跟原画面同步。解法：开--mouth-mask（窗口模式里叫 Mouth Mask 开关），程序保留原画面里的嘴，只替换脸上其余区域，说话时口型自然跟着原画面走。
群像里所有人变成同一张脸
现象：目标视频里有多个人，却都被换成了源脸。原因：默认行为是把源脸应用到识别到的第一张目标脸上。解法：--many-faces让程序逐张处理每一张脸，再叠--map-faces：程序先用人脸身份向量（可以理解为每张脸的"指纹"）把目标里的人自动聚类，你再手动绑定"谁对应谁"，群里每人各得一张自己的脸。
python run.py -s face.jpg -t group.mp4 --many-faces --map-faces换完脸偏糊
现象：放大看五官，细节发软。原因：换脸生成是 128×128 小尺寸，放大回原帧后纹理自然损失。解法：窗口模式打开 Face Enhancer 开关，或命令行加--frame-processor face_swapper face_enhancer，GFPGAN 会把糊掉的五官细节补回来。
报错速查：卡住了先翻这里
报_tkinter错、窗口打不开？macOS 缺 tkinter 图形库。执行brew reinstall python-tk@3.14，重开终端再跑一次。
提示找不到 ffmpeg？没装，或装了但不在 PATH 里。装好后用ffprobe -version验证，能打印版本号才算数。
两个 .onnx 模型一直下载或提示缺失？首次启动会自动拉取约 300MB 的模型，等它下完即可；等不及就手动把inswapper_128_fp16.onnx和gfpgan-1024.onnx放进models/目录。
有 N 卡却退回 CPU 跑？十有八九是 cuDNN 没进 PATH 或版本不对。对照上文自查清单里 NVIDIA 那一行逐项修，启动时带--execution-provider cuda验证是否命中 GPU。
实时预览明显掉帧？按顺序试：先关 Face Enhancer，再调低--max-memory，最后把--det-size从 640 降到 320 或 160。
它是怎么做到的，源码从哪读
流水线对每一帧跑一遍，一帧内部依次发生四件事：
- 检测——insightface 包的 buffalo_l 模型找出画面里所有脸，算出边界框、关键点和身份向量；
- 生成——inswapper 模型在 128×128 尺寸下，把源照片的身份"合成"到目标脸的结构上，只换身份，姿态和表情保持原样；
- 贴回——用椭圆羽化软掩膜做 alpha 混合，把新脸贴回原帧，避免硬边方块露馅；
- 增强（可选）——GFPGAN 把糊掉的五官细节补回来。
全程本地完成，没有任何在线环节。想深入读代码，直接对这五处：
| 模块 | 职责 | 相对路径 |
|---|---|---|
| 人脸检测与分析 | 找脸、算身份向量和关键点 | modules/face_analyser.py |
| 换脸合成 | 生成新脸、椭圆掩膜贴回原帧 | modules/processors/frame/face_swapper.py |
| 人脸增强 | GFPGAN 补回五官细节 | modules/processors/frame/face_enhancer.py |
| 视频输入输出 | 抽帧、编码、音轨还原 | modules/video_capture.py |
| 命令行入口 | 参数解析、整条流水线调度 | modules/core.py |
四条使用底线
- 只换自己的脸，或事先明确取得本人同意
- 公开发布时标注"AI 合成 / deepfake"
- 不用于诈骗、冒充、诽谤等任何欺骗目的
- 不碰战争画面、隐私场景等敏感素材，内置的 opennsfw2 过滤也会拦这类内容
现在就去跑
回到文首那 6 行命令，python run.py跑起来，选一张自己的正脸照片，按 Live——10–30 秒后你的第一段实时换脸预览就在屏幕上了。想继续深入，从这三处顺着读：README.md 里的完整参数列表、models/instructions.txt 的模型文件说明、modules/core.py 的流水线调度代码。
【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
