Deep-Live-Cam 实时人脸换脸上手指南：3 步出第一个结果
【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 是一款开源的实时人脸换脸工具：只需一张照片，就能在摄像头或视频中替换人脸，支持多人脸处理、嘴部遮罩与人脸增强。本文用最短路径带你完成安装与启动，并给出参数速查、效果调优和常见报错修复。
Deep-Live-Cam 适用的 4 类换脸场景
直播与视频会议。想在出镜时实时换一张脸，又不想被录屏捕捉破绽。Deep-Live-Cam 直接接管摄像头画面做实时换脸，再用 OBS 等工具截屏推流即可。
影视片段处理。手动逐帧剪辑视频太繁琐。指定一段视频后，工具会对每一帧自动定位人脸并替换，输出带原声的完整视频文件。
多人同框画面。默认只处理画面中最突出的一张脸。启用多人脸模式后可替换画面中所有人脸，也能把源脸与目标脸按位置一一映射，避免"换串人"。
素材与表情包创作。单张照片也能换脸，配合人脸增强处理器，输出可用于二次创作的高清素材。
最快安装路径：从克隆到启动的 3 条命令
开始前确认四样东西就绪：Python 3.11–3.14（README 推荐 3.14）、pip、git、以及已加入 PATH 的 ffmpeg。Windows 还需安装 Visual C++ 运行时。
第一步，克隆仓库：
git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam第二步，创建虚拟环境并安装依赖：
python -m venv venv source venv/bin/activate # Windows 改为 venv\Scripts\activate pip install -r requirements.txt第三步，直接启动：
python run.py启动后是图形界面。摄像头模式：选一张源脸图片，点 "Live"，预览出现需要 10–30 秒，随后可用 OBS 采集画面推流。视频模式：选择源脸和目标视频，点 "Start"，结果保存在以目标视频命名的目录中。
模型方面，程序首次运行会自动下载约 300MB 模型；也可以手动把GFPGANv1.4.onnx和inswapper_128_fp16.onnx放入 models/ 目录，省掉下载等待。
命令行模式只需额外传入-s参数即可进入（官方标注该参数集已不再积极维护，日常使用建议以图形界面为主）。
命令行参数速查表
| 参数 | 作用 | 适用场景 |
|---|---|---|
-s / --source | 源人脸图片 | 命令行模式必填 |
-t / --target | 目标图片或视频 | 命令行模式必填 |
-o / --output | 输出文件或目录 | 自定义输出位置 |
--many-faces | 处理画面中每一张脸 | 多人同框 |
--map-faces | 源脸与目标脸位置映射 | 多人且需固定对应关系 |
--mouth-mask | 遮罩嘴部区域，保留原嘴 | 说话多的视频，嘴型更自然 |
--frame-processor | 处理流水线，默认face_swapper，可追加face_enhancer、face_enhancer_gpen256、face_enhancer_gpen512 | 换脸同时做人脸增强 |
--keep-fps | 保留原始帧率（不指定则按 30fps 输出） | 不想被统一成 30fps |
--keep-audio | 保留原始音频（默认开启） | 需要保留原声 |
--video-encoder | 输出编码器：libx264/libx265/libvpx-vp9 | 压缩率或 WebM 需求 |
--video-quality | 输出质量 0–51，默认 18，数值越小质量越高 | 画质与体积权衡 |
--execution-provider | 执行后端：cuda、rocm、coreml、openvino、dml、cpu | 指定 GPU 加速 |
--execution-threads | 执行线程数 | 手动控制 CPU 占用 |
--max-memory | 内存上限（GB） | 防止内存被吃满 |
--live-mirror | 实时预览镜像显示，模拟前置摄像头视角 | 摄像头模式 |
--live-resizable | 实时窗口可调整大小 | 摄像头模式 |
最常用的完整命令长这样：
python run.py -s face.jpg -t target.mp4 --many-faces --keep-fps --keep-audio实战技巧：让换脸结果更自然
目标：输出视频与源片节奏一致。做法：加--keep-fps --keep-audio，让程序探测源片真实帧率并保留音轨，而不是默认按 30fps 输出。验证：播放输出视频，确认帧率与源一致、原声在位。视频默认走内存管道处理（FFmpeg 管道直读直编），无需逐帧落盘，处理时间会打印在终端进度里。
目标：换完的脸偏糊、细节丢失。做法：在--frame-processor中追加增强器，例如--frame-processor face_swapper face_enhancer，处理器按顺序执行。各处理器实现位于 modules/processors/frame/，可按分辨率选face_enhancer_gpen256或face_enhancer_gpen512。验证：放大输出中的人脸区域，对比皮肤纹理与五官边缘。
目标：说话时嘴型对不上。做法：加--mouth-mask，换脸时保留目标人物原本的嘴部区域，开合完全跟随目标。验证：在输出中看口型段落，嘴部动作应与目标人物原动作一致，不再由源脸驱动。
常见报错与修复
症状：启动提示 "ffmpeg is not installed"。原因：ffmpeg 未安装或不在 PATH。修复：安装 ffmpeg 并确保命令行能执行，启动前确认路径生效。
症状：提示 "Python version is not supported"。原因：当前 Python 低于 3.9。修复：改用 3.11–3.14（推荐 3.14）重建虚拟环境再装依赖。
症状：macOS 报_tkinter缺失。原因：tkinter 未随系统 Python 安装。修复：执行brew install python-tk@3.14后重装依赖。
症状：CUDA 后端不生效或 onnxruntime-gpu 报错。原因：缺少 cuDNN 或其目录不在 PATH。修复：安装 cuDNN v8.9.7（CUDA 12.x）并把 bin 目录加入 PATH。启动时终端会打印一行平台横幅，显示当前选中的加速器和可用执行器，以此确认。
症状：处理大视频时内存吃满或进程被系统杀掉。原因：默认内存上限为 16GB（macOS 为 4GB），长视频仍可能超限。修复：加--max-memory 8下调上限，或降低源视频分辨率。该逻辑在 modules/core.py 中按平台设置进程内存限制。
症状：模型加载报错。原因：models/目录缺少 onnx 模型文件。修复：放入GFPGANv1.4.onnx与inswapper_128_fp16.onnx两个文件，或等待首次运行的自动下载完成。
不同硬件的加速后端怎么选
| 硬件 | 建议 --execution-provider | 说明 |
|---|---|---|
| NVIDIA 独显 | cuda | 需 CUDA 12.8 与 cuDNN 8.9.7，另装 onnxruntime-gpu |
| AMD 显卡（Windows） | dml | 安装 onnxruntime-directml |
| Apple Silicon（M1–M5） | coreml | 官方 onnxruntime 自带该执行器，无需额外安装 |
| Intel 平台 | openvino | onnxruntime-openvino 需与 openvino 版本配套 |
| 纯 CPU | cpu | 开箱即用，速度最慢但最稳 |
以 NVIDIA 为例：
pip uninstall onnxruntime onnxruntime-gpu pip install onnxruntime-gpu==1.21.0 python run.py --execution-provider cuda结论：不指定后端时程序会按 cuda、rocm、coreml、openvino、dml、cpu 的优先级自动选择，绝大多数机器直接运行即可；只有自动选择结果与你的硬件不符时才需要手动指定。
小结
- 最短路径是装好 ffmpeg 与依赖、放好两个模型文件，然后
python run.py即可在摄像头里看到实时换脸。 - 视频换脸优先带上
--keep-fps --keep-audio，多人场景用--many-faces或--map-faces。 - 效果不自然先调
--mouth-mask和人脸增强器，速度不够再按硬件选择执行后端。
【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
