Deep-Live-Cam 一张照片三步实时换脸

Deep-Live-Cam 一张照片三步实时换脸【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想让摄像头画面里的自己实时换成另一张脸Deep-Live-Cam 是一个免费开源的实时换脸工具一张人脸图片作输入即可在摄像头或视频文件中实时替换面部。它完全在本地运行画面不出你的机器从装好到出第一帧大约三分钟。三步跑起来安装 → 选图 → 首次运行1. 安装环境先确认机器上有 Python 3.11 到 3.14推荐 3.14、git 和 ffmpeg然后克隆仓库并建立虚拟环境git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv source venv/bin/activate pip install -r requirements.txtWindows 上把第四行换成venv\Scripts\activate。虚拟环境能避免系统级依赖互相污染出问题删掉venv目录重来即可。依赖装完后换脸所需的两个模型约 300MB会在首次运行时自动下载如果你希望手动管理也可以按 models/instructions.txt 的说明把.onnx文件放进models/目录。2. 准备源脸图片挑一张照片作为源脸正面、光线均匀、表情中性脸部区域分辨率 512 像素以上。侧脸、遮挡、强阴影都会降低识别成功率不需要做任何裁剪或预处理。3. 运行并首次出片python run.py窗口打开后点Select a Face导入源脸图片再点Select a Target导入一张目标图片或一段目标视频然后按Start处理结果会保存到以目标视频命名的目录里把电影片段选为目标就能边播边看换脸后的画面。想直接上摄像头导入源图后按Live等 10~30 秒出现预览窗口即可直播时用 OBS 等软件截取这个窗口就行。如果窗口打不开或报缺库错误先确认当前终端激活的是刚建的虚拟环境。完成 Deep-Live-Cam 安装教程后首次运行的界面左侧选择源图与目标右侧实时预览换脸效果。各硬件的预期表现如下帧率为 720p 下的近似范围实际会受是否开启增强影响硬件类型最低要求对应后端预期帧率NVIDIA 独显GTX 1650 级别装 CUDA 12.8cuda25~30 FPSAMD 独显RX 580 级别仅 Windowsdml20~25 FPS苹果 M 系列芯片M1 及以上coreml20~30 FPSCPU / Intel 核显四核 CPU / 11 代核显cpu/openvino5~15 FPS核心功能逐个过Mouth Mask保留原始口型解决换脸后嘴型与原始口部不同步、近景一眼假的问题。界面里勾选Mouth Mask参数--mouth-mask工具只替换嘴部上方的区域保留原始口型与发音口形。适合视频通话、直播这类嘴部清晰可见的场景。Deep-Live-Cam 实时换脸教程中的 Mouth Mask 演示嘴部区域保留原始口型说话时口型不同步的问题明显减少。Many Faces 与 Face Mapping多人同屏替换解决默认只替换最突出一张脸、画面里其他人不动的问题。勾选Many Faces处理画面中每一张脸再配合Face Mapping可以为不同人物指定不同的源脸一一映射。适合群像视频、多人会议和表情包式素材。Many Faces 开启后的 Deep-Live-Cam 多脸换脸效果画面中每位人物都被替换成不同的面孔。Face Enhancer低清素材增强解决换出的脸偏糊、有纹理瑕疵的问题。勾选Face Enhancer后换脸区域会再走一遍增强模型细节更干净。适合老片、压缩流这类低分辨率素材代价是 GPU 负载明显上升低端机器建议保持关闭。Keep FPS 与 Keep Audio输出保真解决输出视频与源片帧率、音轨不一致的问题。勾选Keep FPS按源片帧率输出勾选Keep Audio保留原始音轨。需要控制编码时用命令行参数--video-encoderlibx264或libx265和--video-quality0~51数值越小质量越高指定。适合成片交付、二次剪辑前的粗剪。Live实时摄像头模式解决在视频通话、直播中以另一张脸实时出镜的问题。导入源脸后按 Live 按钮预览起来后把窗口投进 OBS 或任何支持屏幕捕获的软件预览窗口可以调整大小中途更换源图不用重启程序。适合直播、通话和线下表演这类实时场景。性能调优与帧率达标降帧三招帧率不够时按顺序试这三招降低输出分辨率从 1080p 降到 720p 甚至 480p。给帧率设上限目标 15~30 FPS不追源片帧率。关闭 Face EnhancerGPU 负载大约下降三成。各后端启动参数--execution-provider决定推理跑在哪块硬件上按你的硬件选一个# NVIDIA / AMD / Intel / CPU python run.py --execution-provider cuda python run.py --execution-provider dml python run.py --execution-provider openvino python run.py --execution-provider cpu # Apple Silicon注意 python3.14 前缀 python3.14 run.py --execution-provider coremlAMD 与 Intel 需要先装对应的onnxruntime-directml或onnxruntime-openvino包NVIDIA 需要先备好 CUDA 12.8 与 cuDNN装包细节以仓库 README 为准。GUI 模式下也可以在界面里直接选择后端命令行参数只适合进阶用法。Deep-Live-Cam 性能调优参考普通 PC 上通过降分辨率、限帧率和关闭增强可以获得流畅的实时帧率。故障速查现象常见原因解法明显掉帧、卡顿显存或 CPU 负载过高降分辨率关闭增强预览严重延迟帧率上限设得过高限制到 15~30 FPS关掉占用 GPU 的后台程序脸没被识别、无替换源图侧脸、遮挡或偏暗换一张光线均匀的正面照Live 超过 30 秒无预览后端与硬件不匹配更换--execution-provider重新运行底层怎么工作处理管线只有三步。第一步人脸检测检测模型在每帧中找出所有人脸的位置。第二步特征对齐提取两张脸的关键点把源脸对齐到目标脸的姿态再编码出身份特征。第三步融合输出身份特征与目标脸的几何结构合成新脸按原位置贴回画面边缘用遮罩过渡避免生硬接缝。逐帧循环执行也就是你看到的实时效果。帧 → 人脸检测定位所有脸 → 关键点提取与姿态对齐 → 身份特征编码 → 合成融合生成新脸 → 贴回原帧遮罩过渡 → 可选Face Enhancer → 输出合规与使用边界四条硬性规则隐私只使用已获本人明确同意的人脸图像。标注发布含真人面孔的内容时明确标注为 AI 生成的深度伪造。法律不得用于欺诈、冒充、诽谤等任何非法用途。未成年人任何涉及未成年人的换脸内容一律不做。本工具不提供内容过滤。它不做输入审查也不做输出审核使用场景是否合规由你自行判断并承担责任。下一步你可以继续做什么换脸、增强、遮罩每一步都是独立处理器看 modules/processors/frame/。GPU 线程数与显存上限的分配逻辑在 modules/gpu_processing.py。界面布局与全部参数定义在 modules/ui.py。模型文件的放置说明在 models/instructions.txt。二次开发前先看现有用例 tests/。装好环境先跑通你的第一帧。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考