Deep-Live-Cam 实时换脸上手手册：从模型部署到 GPU 加速-开发者社区

Deep-Live-Cam 实时换脸上手手册：从模型部署到 GPU 加速

【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 是一个开源的实时换脸工具：给一张源脸照片，就能把视频、电影或摄像头画面中的人脸实时替换成目标面孔，全程在本地运行。它面向内容创作者、直播表演者和影视娱乐场景的使用者，也适合想本地试验 AI 换脸技术的开发者。

🚀 环境与前置准备

依赖与系统要求

Python：3.11–3.14，官方推荐 3.14
pip、git
ffmpeg（视频处理必需；Windows 可用irm ffmpeg.tc.ht一行安装）
Windows 还需 Visual Studio 2022 C++ 运行库
计划用 NVIDIA 加速的话，需 CUDA 12.8.0 工具包与配套 cuDNN v8.9.7，并把 cuDNN 的 bin 目录加入 PATH

依赖清单见 requirements.txt，核心是 onnxruntime 推理引擎与 insightface 人脸模型库。

模型文件从哪里下、放哪里

需要两个模型，放入仓库根目录的models/文件夹：

inswapper_128_fp16.onnx：人脸替换核心模型
GFPGANv1.4：人脸增强模型（.onnx 或 .pth 版本均可）

两个文件都可在 Hugging Face 的hacksider/deep-live-cam仓库下载，models/instructions.txt 里已写明对应地址。模型就位后，首次启动仍会自动下载约 300 MB 的附加权重。

虚拟环境与依赖安装

官方强烈建议用虚拟环境隔离依赖，避免与系统 Python 冲突。

python -m venv venv venv\Scripts\activate pip install -r requirements.txt

Linux/macOS 把第二行换成source venv/bin/activate即可；macOS 若报_tkinter缺失，执行brew reinstall python-tk修复 GUI 依赖。

🎬 跑通第一次：最小可操作步骤

确认models/里已有上述两个模型
在激活的虚拟环境中执行python run.py，打开图形界面
选一张源脸照片，再选一张目标图片或视频
点击 Start，处理结果自动保存在以目标文件名命名的目录里

⌨️ 日常使用：图片视频、摄像头与多目标模式

图片/视频模式怎么出成片

在 GUI 中指定源脸与目标文件后按 Start，即完成批处理，输出落在以目标文件命名的目录。编码可选 libx264（默认）、libx265、libvpx-vp9，质量档位 0–51，数值越低质量越高。

摄像头模式怎么接 OBS

选择源脸与摄像头设备，点击 Live，约 10–30 秒后窗口出现实时预览；随后用 OBS 的屏幕捕捉工具把窗口推到直播流中即可。换脸不重启流程，直接重新选择源脸图片。

--mouth-mask参数保留你本人口型，说话口型更自然，适合长时间直播。

--many-faces处理画面中的每一张脸，--map-faces为不同人脸分别指定源脸，适合多人同框的场景。

CLI 模式怎么直接跑

带-s参数启动即跳过 GUI 进入命令行模式，例如python run.py -s src.jpg -t target.mp4 --many-faces --mouth-mask；--keep-fps、--keep-audio可保留原视频帧率与音轨。完整参数列表见 modules/core.py，界面逻辑在 modules/ui.py。

⚡ 硬件加速选项怎么选

NVIDIA GPU：装好 CUDA 与 cuDNN 后，在 venv 中执行pip uninstall onnxruntime onnxruntime-gpu && pip install onnxruntime-gpu==1.21.0，运行时加--execution-provider cuda
AMD/Intel 核显（Windows）：pip uninstall onnxruntime onnxruntime-directml && pip install onnxruntime-directml==1.21.0，启动加--execution-provider directml
Apple Silicon：官方 onnxruntime 的 macOS 轮子已内置 CoreML 提供程序，无需额外安装；若装过未维护的onnxruntime-siliconfork 需先pip uninstall onnxruntime-silicon，启动加--execution-provider coreml
Intel CPU：pip install onnxruntime-openvino==1.21.0并加--execution-provider openvino；1.21.0 以上版本必须与 OpenVINO 逐版本配对（如 1.24.1 对 2025.4.1）
纯 CPU：不装任何 GPU 扩展包时程序自动走 CPU，速度最慢但兼容性最好

📈 性能监控与内存限制

程序内置性能面板，运行界面中可直接看到 FPS、CPU 与 GPU 占用、内存消耗等指标，据此判断是否需要更换执行提供程序或降低分辨率。

--max-memory参数限定程序最大可用内存（GB），默认按机器情况自动建议；--execution-threads可手动调整 CPU 线程数。面板相关实现在 modules/ 的 gpu_processing 与 utilities 模块中。

⚖️ 边界、合规与限制

使用真实人物脸部前必须获得本人同意，发布输出内容时明确标注为深度伪造
程序内置内容安全检查，会拦截裸露、血腥暴力、战争等敏感画面
项目方保留在法律要求下关停项目或为输出加水印的权利，使用行为的法律责任由使用者承担

源脸照片选正面、光线充足、面部无遮挡的效果更稳定。输出内容适合娱乐与影视实验，不建议用于任何欺骗用途。

下一步

跑通基础流程后，可结合上文的执行提供程序选项做性能调优；模型与依赖版本变动以仓库 README 与 models/instructions.txt 为准。

【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