Deep-Live-Cam 实时换脸上手指南：1 张照片、3 次点击，约 10 分钟看到第一帧-开发者社区

Deep-Live-Cam 实时换脸上手指南：1 张照片、3 次点击，约 10 分钟看到第一帧

【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

逐帧换脸要等半天、导出再等半天？Deep-Live-Cam 主打的就是实时换脸：只需 1 张照片，把视频、电影甚至摄像头画面里的人脸当场替换掉。普通电脑约 10 分钟装完，摄像头模式下 10–30 秒出预览画面，你敲完安装命令的时间还没到它跑起来的时间。

30 秒搞懂：它凭什么能"实时"

Deep-Live-Cam 对每一帧只做三件事：先用人脸检测模型找到画面里的脸，再用一张源脸照片把身份替换上去（表情、姿态、光照都跟原画走），最后把结果混合回画面。摄像头模式下这套流程在后台循环跑，前面给你开一个实时窗口，所以"换"发生在显示之前，而不是导出之后。

开工前 60 秒自检：我的机器跑得动吗

对照下表 6 项，1 分钟出结论：

项目	最低（能跑）	推荐（流畅）
操作系统	Windows 10 / macOS 11 / 主流 Linux	Windows 11 / macOS 12+
Python	3.11	3.14（3.11–3.14 均可）
内存	8GB	16GB
显卡	无，CPU 模式可跑	NVIDIA RTX 3060+ / Apple M 系
磁盘空闲	10GB（依赖 + 约 300MB 模型）	20GB
FFmpeg	已安装且在 PATH 中	最新稳定版

"最低"与"推荐"的差距基本都体现在帧率上：CPU 模式跑得动但偏慢，GPU 模式才是真·实时。项目自带一段普通 PC 的性能演示，先有个心理预期再动手：

跟着做：从零到第一个换脸结果

4 个里程碑，每个 1 条核心命令 + 1 个验收点。

里程碑 1：克隆仓库并建虚拟环境

用意是隔离依赖，避免这个项目的包污染系统 Python。

git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv

Windows 激活用venv\Scripts\activate，macOS / Linux 用source venv/bin/activate。

验收点：终端提示符前出现(venv)。

里程碑 2：一条命令装完依赖

pip install -r requirements.txt

这条命令会把 OpenCV、ONNX Runtime、insightface 人脸库、GUI 框架一次装齐（见 requirements.txt）。首次运行时程序还会自动下载约 300MB 的换脸与增强模型，也可以提前把inswapper_128_fp16.onnx和GFPGANv1.4放进 models/ 文件夹，说明在 models/instructions.txt。

验收点：执行pip show onnxruntime能打印出版本号。

里程碑 3：GUI 三次点击，出第一支换脸视频

python run.py

在弹出的窗口里：① 选源脸照片（谁的清晰正脸照就换谁，对应-s）；② 选目标图片或视频（对应-t）；③ 点 Start。验收点：输出保存在以目标文件命名的文件夹里，打开就能看到换好的脸。

想直接试实时效果：选源脸 → 选摄像头 → 点 Live，等 10–30 秒预览画面就会出现，想换人随时重选一张源脸。

里程碑 4：命令行一键出片

习惯终端的话，一条命令等价于上面的点击流程：

python run.py -s face.jpg -t clip.mp4

验收点：终端进度条走完后，目标同名文件夹里生成换脸成片。

常用能力开关：你想要什么效果，就开哪个

按"想要的效果"分组，每行一句话，够抄即用（完整定义见命令行参数解析）。

想更自然（说话口型不穿帮）

开关	说明	典型值
`--mouth-mask`	遮罩嘴部，保留原口型，说话类视频效果最明显	开关

想一次换多张脸 / 不同人换不同的脸

开关	说明	典型值
`--many-faces`	处理画面里每一张脸（默认只换 1 张）	开关
`--map-faces`	把不同主体分别映射到不同源脸	与`--many-faces`配合

想画质更好、文件更对味

开关	说明	典型值
`--frame-processor`	按书写顺序执行处理管线，默认只有`face_swapper`	追加`face_enhancer`/`face_enhancer_gpen256`/`face_enhancer_gpen512`
`--video-encoder`	输出编码器，默认`libx264`	`libx265`（更小）/`libvpx-vp9`
`--video-quality`	编码质量 0–51，越小越清晰	18（默认）
`--keep-fps`	保留原始帧率，播放更顺	开关
`--keep-audio`	保留原音轨	默认开启

想稳住内存与内容安全

开关	说明	典型值
`--max-memory`	内存上限，单位 GB	8
`--nsfw-filter`	不当内容过滤，公开发布前建议开着	开关

把效果调到位：按硬件直接抄

不用懂原理，照抄你那一档：

档位	照抄命令	预期
够用档（纯 CPU）	`python run.py --execution-provider cpu --execution-threads 8 --max-memory 8`	片段控制在 1 分钟内，720P 足够
进阶档（NVIDIA 显卡）	`python run.py --execution-provider cuda`	1080P 舒适区；依赖里已含 CUDA 版 ONNX Runtime
进阶档（Apple Silicon）	`python run.py --execution-provider coreml`	官方 onnxruntime 已内置 CoreML，零额外安装
拉满档（Intel / AMD 核显）	先`pip install onnxruntime-openvino==1.21.0`（Intel）或`pip install onnxruntime-directml==1.21.0`（AMD/Windows），再分别用`--execution-provider openvino`/`directml`启动	比纯 CPU 明显更快，分辨率可再往上抬

前两档目标"跑得动不卡"，后两档追求"更高分辨率 + 人脸增强"，高端显卡可顺手加--frame-processor face_swapper face_enhancer。

卡住了？按症状对号入座

看到什么：一启动就提示找不到 FFmpeg，直接退出。通常是：FFmpeg 没装，或它的 bin 目录不在 PATH 里。一句话解：装好 FFmpeg 并把 bin 目录加入 PATH，重开终端后用ffmpeg -version验证。
看到什么：加了--execution-provider cuda却报 cuDNN / cuBLAS 错误，退回 CPU。通常是：CUDA 运行时缺失或版本不配套（官方验证组合为 CUDA 12.8 + cuDNN 8.9.7）。一句话解：按该组合安装两者，把 cuDNN 的 bin 目录加进 PATH 后重启程序。
看到什么：处理长视频到一半，内存飙高、程序卡死。通常是：帧与中间结果一直驻留内存。一句话解：启动时加--max-memory 8（或更小值），仍爆就先降分辨率。
看到什么：点了 Live，预览半天不出现。通常是：首次要加载并预热约 300MB 模型，10–30 秒属正常；超过 30 秒还不动，查摄像头权限或换一个摄像头索引。一句话解：再等等；不行就检查系统相机权限设置。

下一步：往哪里深挖

想看参数默认值怎么算（线程数、内存上限、后端探测）：modules/core.py 里的suggest_*系列函数
想改画质：整条帧处理管线都在 modules/processors/frame/，face_swapper.py是换脸本体，face_enhancer.py系列是增强器
想搞懂"脸是怎么被找到的"：modules/face_analyser.py
想手动管理模型下载与校验逻辑：modules/model_downloader.py
想自己压测管线性能：benchmark_pipeline.py

【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