Deep-Live-Cam 实时换脸完整教程：零显卡，一张照片三步改片

Deep-Live-Cam 实时换脸完整教程：零显卡，一张照片三步改片

【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

读完这篇，你能在没有显卡的普通电脑上跑通 Deep-Live-Cam，用一张照片把任意视频里的人脸逐帧替换掉。最低门槛：CPU 即可，Python 3.11–3.14，约 2GB 空闲磁盘，全程零花费。算上装依赖和首次下载模型，预计 15~30 分钟，取决于网速。

开始之前 📋 1 分钟自查能不能跑

动手前对照这 5 条清单：

• 系统：Windows 10+、macOS 或 Linux 均可，无需独立显卡，推理默认走 CPU
• Python：终端执行python --version，版本需在 3.11–3.14 区间，推荐 3.14
• 网络：能连通 pip 源、git 仓库和模型下载服务器，首次运行自动下载约 600MB 模型（换脸模型 265MB + 人脸检测模型 326MB）
• 磁盘：至少 2GB 空闲，装依赖、存模型和处理中间帧都要占地方
• 素材：一张光线充足、正脸清晰的源脸照片（建议 512×512 以上）加一段目标视频

部署主流程 🚀 三条命令装完环境，再跑第一次换脸

源脸替换电影画面人物，表情与光线跟随原画面变化

第 1 步：克隆仓库并安装依赖

git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv

第一条只拉取最新一次提交，省去下载全部历史的时间；最后一条创建独立虚拟环境，避免污染系统 Python。激活环境后装依赖（Windows 执行venv\Scripts\activate，Linux/macOS 执行source venv/bin/activate）：

pip install -r requirements.txt

这条命令会下载 opencv、insightface、onnxruntime 等约 1GB 的推理库。跑完最后一行出现 "Successfully installed"、没有红色 Traceback，这一步就成功。

第 2 步：首次执行换脸

把源脸face.jpg和目标视频target.mp4放到run.py同级目录，执行：

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

带-s参数时程序自动进入无界面批处理模式，全程不用点鼠标。首次运行会先显示进度条下载约 600MB 模型，随后逐帧处理。看到终端打印输出路径，且能在以target命名的文件夹里打开成品视频，这一步就成功。

第 3 步：验证输出

播放输出视频，确认画面里的人物已变成你的源脸，表情、角度、光线仍跟随原画面。能正常播放且人脸完整，说明从模型加载到帧处理的整条链路已跑通。

进阶玩法 🎛 三个参数值得试

一次替换多张脸

默认表现：只替换画面中最大的一张脸，其余人物保持原样。追加--many-faces后：检测到的所有脸都会被替换成同一张源脸，适合群像和直播画面。

保留原人物嘴部

默认表现：嘴部区域一并被替换，口型可能和声音对不上。追加--mouth-mask后：原人物的嘴部区域被保留，新脸只覆盖其余部位，口型更自然。

开启嘴部遮罩后，说话人的嘴部动作与口型得以保留

每张脸指定不同源脸

默认表现：画面里所有脸共用同一张源脸。追加--map-faces后：程序让你为画面中每张脸逐一选定源脸，同屏不同角色可以变成不同的人。

多脸映射演示：同一画面的不同人物分别替换为不同源脸

想深入改行为，核心流程在 core.py，各帧处理器在 processors/frame。

排坑自查 🛠 五个最常见的报错

跑通之后，可以给同一视频叠加--mouth-mask对比口型效果，也可以把目标换成摄像头做实时换脸。使用真人照片前务必取得本人同意，对外发布时注明该内容为深度伪造生成。

【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