Deep-Live-Cam 实战上手：一张照片搞定实时换脸，3 分钟跑通本地 AI 深度伪造

Deep-Live-Cam 实战上手：一张照片搞定实时换脸，3 分钟跑通本地 AI 深度伪造

【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 是一个开源的实时人脸交换工具：只需一张照片，就能把这张脸实时替换到摄像头或视频里，实现一键视频深度伪造。它内置 NVIDIA、AMD、Intel 与 Apple Silicon 多种加速后端，也允许纯 CPU 跑，适合内容创作、特效预览和直播娱乐等场景。下面用三步带你装好并跑通，再拆开它能做什么、怎么调参更稳。

三分钟装好并跑通 Deep-Live-Cam 实时换脸

先确认环境：Python 3.11～3.14（推荐 3.14）、pip、git、ffmpeg四样齐全。显卡不是必须的，有 NVIDIA / AMD / Intel / Apple Silicon 会更快，没有也能用 CPU。

1️⃣ 拉取代码（clone 仓库地址如下）：

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

2️⃣ 建虚拟环境并装依赖（Linux / macOS 写法，Windows 把source venv/bin/activate换成venv\Scripts\activate）：

python3 -m venv venv source venv/bin/activate pip install -r requirements.txt

3️⃣ 启动：

python run.py

首次运行会自动下载模型（约 300MB），稍等片刻即可。如果你希望手动控制，把inswapper与GFPGAN两个模型放进 models/instructions.txt 说明的models文件夹即可。

跑起来之后你会看到一个图形界面：选一张源脸照片、选一个目标图片/视频，点Start，输出会保存在一个以目标命名的目录里。整个换脸结果大致长这样：

它到底能做什么：拆解三个核心换脸能力

别被"深度伪造"这个词吓到，它的核心其实就三件事，你各看一个"是什么 / 为什么 / 怎么用"。

换脸主体：把一张脸贴到任何目标上

底层由 modules/processors/frame/face_swapper.py 驱动。它先把目标人脸对齐到 128×128 的标准空间，再拿源脸的身份特征去生成融合结果——保留目标的姿态、表情和光照，只把"长相"换成你的。人脸定位靠 InsightFace 的buffalo_l模型（RetinaFace 检测 + 106 个关键点 + 512 维识别向量），实现在 modules/face_analyser.py。

怎么用：界面里选源脸照片、选目标，点 Start 就行，不需要你关心对齐和融合细节。

保留口型：Mouth Mask 让说话更自然

为什么要有它？因为换脸最容易被看出来的是嘴。开了口型保留后，系统会从原始帧里切出真实嘴唇贴回去，于是人物说话、唱歌时嘴型和声音对得上，而不是"换了一整张假嘴"。

怎么用：在界面上勾上Mouth Mask（命令行加--mouth-mask）。下面这段就是开口型保留后的实时效果：

一对多换脸：Face Mapping 同时替换多张脸

多人同框时，默认只会换一张脸。开Many Faces会让系统把源脸贴到画面里每一张检测到的人脸上；开Face Mapping则能指定"谁换谁"，实现精确的一对多映射（匹配逻辑在 modules/cluster_analysis.py）。

怎么用：界面上勾选 Many Faces 或 Map Faces；命令行用--many-faces/--map-faces。下面是多张脸同时被替换的效果：

让画面更稳的调参清单：照着改就行

参数分散在各处，这里收成一张可照做的表。原则是先跑通、再逐个开关，每次只动一项，看变化：

两点补充：NVIDIA 显卡下会自动启用CUDA Graph加速推理（见 modules/processors/frame/face_swapper.py 的_init_cuda_graph_session）；CPU 下走多线程批量处理，帧会分批喂给线程池（见 modules/processors/frame/core.py），所以线程数不必拉满。

三个真实使用场景：输入→操作→产出

场景一：给电影/剧集换脸做预览

• 输入：一部电影视频 + 一张你想要的脸。
• 操作：选源脸，目标选电影文件，开启 Face Enhancer 提升画质后点 Start。
• 产出：整段视频里主角都变成你指定的脸，适合特效预演和"看一部带自己脸的片"。

场景二：OBS 直播 / 演出实时换脸

• 输入：一张源脸照片 + 你的摄像头。
• 操作：选源脸 → 选摄像头 → 点Live（约 10–30 秒出预览）；用 OBS 做屏幕采集把预览窗口推出去。想换脸就再选一张源图。
• 产出：直播窗口里你的脸被实时替换，三步即可完成，无需写任何插件。

场景三：普通 CPU 电脑也能出片

• 输入：720p 短视频 + 一张源脸。
• 操作：python run.py --execution-provider cpu --execution-threads 2 --frame-processor face_swapper（关掉增强保帧率）。
• 产出：没有显卡也能跑完，只是比 GPU 慢；用--max-memory给内存设个上限，长视频更稳。

避坑指南：高频问题的"症状→原因→一条命令"

换完脸嘴型乱跳 / 说话不像原因：没保留原始口型。 解决：勾上 Mouth Mask，命令行加--mouth-mask。

画面抖动、闪烁（wobble）原因：脸部融合接缝逐帧不稳定。 解决：打开界面的泊松融合开关；仍抖就开时间插值平滑，必要时降低opacity。

启动卡住或报"模型未找到"原因：模型没下完 / 没放进正确目录。 解决：确认models文件夹里有inswapper_128*.onnx与GFPGAN，参考 models/instructions.txt，再重跑python run.py触发自动下载。

CPU 跑太慢、卡得动不了原因：默认全线程 + 开了面部增强，双重吃算力。 解决：python run.py --execution-provider cpu --execution-threads 2 --frame-processor face_swapper，把增强关掉先保帧率。

合规与安全底线：能做什么，不能做什么

它是个生产力工具，但边界要清楚：

• 内置内容过滤：项目带一个 NSFW 检测（依赖opennsfw2），会拦截裸露、血腥、战争等敏感素材，处理这类内容会被拦下。
• 真人脸需本人同意：用真实人物的脸前，先拿到对方授权。
• 输出要标注：分享换脸结果时，明确标注"这是深度伪造 / AI 生成"。
• 别拿去行骗：不要用于诈骗、冒充、造谣等用途，责任在使用者。

具体条款见 README.md 的 Disclaimer 段落，保持克制、合法使用。

进阶与展望：想深挖就从这里开始

• 自定义处理器：每个帧处理器都实现了pre_check / pre_start / process_frame / process_video这套接口（定义在 modules/processors/frame/core.py），照这个契约加自己的特效，就能插进流水线。处理器目录见 modules/processors/frame/。
• 跑基准、比硬件：项目自带基准测试脚本 benchmark_pipeline.py，可以量化对比不同执行后端的帧率与延迟，调参前先测后改。
• 追平台优化：NVIDIA 走 CUDA Graph、Apple Silicon 走 CoreML 分区优化（modules/onnx_optimize.py），想压榨性能可以看这条链路；模型与版本说明见 models/instructions.txt 与 README.md。

一句话总结：Deep-Live-Cam 把"一张照片 → 实时换脸"压缩到了三步之内，上手快、能调参、也守住了安全底线。想持续跟进更新和新特性，关注官方仓库即可。

【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