Deep-Live-Cam换脸模型配置:2个文件3步跑通
【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 做实时换脸，整套模型配置就是把两个 onnx 文件放进对的目录。克隆完仓库卡在Model not found的，按下面顺序走一遍，python run.py首次就能跑通。
30 秒跑通：clone、放模型、启动
- 拿代码：
git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam，然后pip install -r requirements.txt - 下载下面说的两个模型文件，放进项目根目录的
models/文件夹（没有就建，程序启动时也会自动建） python run.py，选源脸和目标，点 Live
最终目录结构长这样：
Deep-Live-Cam/ ├── run.py └── models/ ├── inswapper_128.onnx └── gfpgan-1024.onnx目录名是小写models，和run.py同一层。程序内部就是拿项目根目录拼接字符串models去找文件的，逻辑见 modules/paths.py，写成Models或者多套一层子目录，等于没放。
配好后的实时换脸效果 🎬：
两个模型文件各管什么：inswapper 换脸、GFPGAN 增强
程序运行时的处理链是固定的：inswapper 先把目标人脸替换成你指定的脸，GFPGAN 再对这块区域做超分修复（在界面打开 GFPGAN 增强器或命令行传--frame-processor face_swapper face_enhancer时生效）。
| 文件 | 体积 | 职责 | 缺失时的功能影响 |
|---|---|---|---|
inswapper_128.onnx（FP32） | 约 529MB | 人脸交换 | 换脸整体不可用 |
inswapper_128_fp16.onnx | 约 265MB | 同上，半精度 | 同上 |
gfpgan-1024.onnx | 约 349MB | 人脸增强修复 | 换脸能跑，打开增强后不生效 |
两个版本坑：
- 老资料里让你下
GFPGANv1.4.pth的别下，那是 PyTorch 权重格式。当前代码的增强模块只走 ONNX Runtime，.pth放进来也不会被加载 _fp16版给带 Tensor Core 的 N 卡（Turing 架构起），带宽占用减半；GTX 16 系这类老卡 FP16 可能算出 NaN，用 FP32 版
启动检查流程与 Model not found 报错对照
程序开跑前会做两道检查，报错文案都是固定的，对着表找原因：
- pre_check 阶段：换脸处理器先自动创建
models目录，发现缺 inswapper 会尝试帮你在线补下（下载后校验字节数），拿不到才报Could not obtain the inswapper model - pre_start 阶段：再确认
inswapper_128_fp16.onnx或inswapper_128.onnx至少存在一个，都没有才报开头那条Model not found in ... Please download inswapper_128.onnx - 增强模块单独查
gfpgan-1024.onnx：缺了先触发下载，失败报Could not obtain gfpgan-1024.onnx。检查逻辑见 modules/processors/frame/face_swapper.py
| 现象 | 卡在哪一步 | 解法 |
|---|---|---|
Model not found in ... Please download inswapper_128.onnx | pre_start，两个 inswapper 变体都不存在 | models/里放任意一个 inswapper 文件 |
Could not obtain the inswapper model | pre_check，本地没有且在线补下失败 | 手动下载放入，或检查网络 |
Could not obtain gfpgan-1024.onnx | 增强模型缺失且下载失败 | 手动放入gfpgan-1024.onnx |
Frame processor ... not found | 处理器模块导入失败 | 按requirements.txt重装依赖 |
模型下载源清单：inswapper onnx 与 gfpgan-1024 从哪拿
两个文件出自同一个地方：HuggingFace 上的hacksider/deep-live-cam仓库，仓库里的models/instructions.txt已经写好了官方下载地址，直接打开看即可。
- inswapper：
inswapper_128.onnx和inswapper_128_fp16.onnx两个变体，按上一节的显卡标准选一个 - GFPGAN：只有
gfpgan-1024.onnx。老资料里出现的.pth文件是腾讯 ARC GFPGAN 项目的 PyTorch 权重，用不上 - 如果你靠程序内置的在线补下，它基于
.part临时文件支持断点续传，且字节数校验通过才落盘，中断后重跑python run.py接着下就行
配置自检与帧率调优：执行提供者怎么选
启动后选源脸和摄像头，点 Live，十几秒内出现换脸预览即算配好。控制台里看到Loading face swapper model from: .../inswapper_128.onnx和Face swapper model loaded successfully、没有红色错误，说明文件都被正确读进去了。
帧率低的话，多半是执行提供者的问题 ⚡ 换个参数即可：
- NVIDIA：
python run.py --execution-provider cuda（需 onnxruntime-gpu 加匹配的 CUDA/cuDNN） - AMD：
--execution-provider dml（Windows）或rocm（Linux） - Apple Silicon：
--execution-provider coreml - Intel 核显：
--execution-provider openvino
可选值跑python run.py --help看，按已安装的 onnxruntime 动态生成。
最后用这条命令收尾自检：
ls -lh models/两个文件都在、体积对上上表，就可以干活了。
【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
