企业官网建设流程全解析

10分钟跑通 Deep-Live-Cam：免费单照片实时AI换脸从入门到实战

【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 解决一个很具体的问题：你手里只有一张正面照片，却想让这张脸实时出现在摄像头、视频甚至直播画面里。跑通之后，你选一张源脸、一个目标，点一次按钮就能得到换好脸的成片或实时预览，全程不需要写代码。

它做的事可以类比成：对视频的每一帧，把人脸区域抠出来，用源照片的"五官底片"重新渲染一遍，再沿着原脸的轮廓贴回去。先划清使用边界：软件内置内容过滤，会拒绝处理不当媒体；使用真人面孔前请先取得本人同意，发布时标注"AI 生成"。

Deep-Live-Cam 实时换脸效果演示：选一张照片，画面中的脸随即被替换

🎯 先确认你的机器够不够用

不达标也没关系：纯 CPU 能跑，只是帧率会低于 GPU 方案。先把流程跑通，再按第三幕的加速表提速。

⚙️ 四步装好环境，跑出第一帧效果

第 1 步：克隆项目代码

先确认本机有 git 和 Python 3.11 以上版本。macOS 建议用 Homebrew 装 3.14；Windows 还需装好 ffmpeg 与 Visual Studio 2022 运行时（README 里有对应安装说明）。克隆仓库并进入目录：

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

第 2 步：用虚拟环境隔离依赖

隔离能避免和系统里其他 Python 包打架，出问题时删掉重建即可。

Windows：

python -m venv venv venv\Scripts\activate

macOS / Linux：

# Apple Silicon 需先装好 Python 3.14 与 tkinter # brew install python@3.14 python-tk@3.14 python3 -m venv venv source venv/bin/activate

第 3 步：安装 Python 依赖

终端提示符前出现(venv)后执行：

pip install -r requirements.txt

这一步会装 OpenCV、insightface、onnxruntime 等十几个包，耗时几分钟，等它跑完即可。

第 4 步：把两个模型文件放进 models 目录

仓库已带models/目录，把两个 ONNX 模型平放进去（下载地址写在 models/instructions.txt）：

• inswapper_128_fp16.onnx：负责换脸
• GFPGANv1.4.onnx：负责面部增强

首次运行时，缺失的模型会自动下载补齐，总量约 300MB，留意网络稳定。

把界面拆成三块认识：输入区、控制区、输出区

启动程序：

python run.py

几秒后界面弹出，全部控件落在三块区域里，看懂这三块就够用了。

Deep-Live-Cam 操作界面：上方选源脸与目标，中部是功能开关与滑杆，底部是操作按钮

输入区——告诉软件"换谁的"和"换到哪"：

控制区——决定"怎么换"：

输出区——三个按钮管完整个流程：

Camera 卡片里有摄像头下拉框，Live按钮就在旁边。

五分钟内看到第一帧效果

最短路径只有三个动作：

1. 点Select a face，挑一张清晰、正面的照片
2. 点Select a target，挑一段 10 秒左右的小视频，别一上来就处理整部电影
3. 点Start

进度走完，在项目根目录找到和目标同名的文件夹，里面的视频就是成品。想试实时模式，按上面的方式再选一次源脸，在 Camera 下拉框里挑好摄像头，点Live，等 10–30 秒预览窗口弹出即算成功。

🚀 提速、排错、拓展玩法

按硬件选一条加速路线

命令都在激活的虚拟环境里执行。装好对应提供程序后，用它替换默认的启动命令，同一流程帧率就能上来。

卡住时，对照这四类现象找原因

终端报 ModuleNotFoundError最可能是没在虚拟环境里运行，或依赖没装全。

1. 看终端提示符前有没有(venv)，没有就先激活环境
2. 在环境内重跑pip install -r requirements.txt
3. macOS 若报_tkinter缺失：brew reinstall python-tk@3.14

点 Start 后提示模型未加载，画面不变多半是models/目录里缺文件。

1. 打开 models/instructions.txt，按里面地址下载两个 ONNX 文件
2. 确认文件平放在models/下，没有多套一层文件夹
3. 首次运行会自动补下缺失模型，网络差就手动下载

Live 预览卡顿、帧率很低通常是跑在 CPU 上，或开了高成本选项。

1. 按上面的加速表换一条硬件路线
2. Face Enhancer 先设 None，Many faces 关掉
3. 降低摄像头分辨率，关掉后台吃 GPU 的程序

换出来的脸边缘生硬、口型对不上

1. 打开 Poisson Blend 做边缘融合
2. 把 Mouth Mask 滑杆拉到 50 以上保留原嘴
3. 换一张更清晰、更正面的源脸照片

上手四个立即可用的场景

直播演出：Live 模式配合 OBS 屏幕采集，把换脸后的画面推到直播间，能做整场演出或节日特别节目。

用 Live 模式做直播演出：摄像头画面实时替换，观众看到的是换脸后的表演

影视二创：目标视频随便挑，边播边换，每一帧都被重绘，输出即成片，适合做"经典角色脸换成自己"的趣味剪辑。

视频模式实时换脸：播放电影时逐帧替换，成品与原片同帧率

多人团体：打开 Many faces 再开 Map faces，把每张源脸手动对到画面里对应的人，团体视频里的每张脸各归其位。

多人同时替换：Many faces + Map faces 让团体视频批量换脸

口型同步：把 Mouth Mask 拉满，嘴部保留原画面、只换其余五官，对话镜头的口型就不会穿帮。

Mouth Mask 保留原嘴：五官换掉、口型不动，对话场景更自然

用五步看懂它在做什么

1. 检测：insightface 找出每帧里的人脸与五官位置，逻辑在 modules/face_analyser.py
2. 对齐：把脸裁出并校正到模型需要的标准姿态
3. 交换：inswapper_128 ONNX 模型用源脸特征重绘目标位置的脸，核心在 modules/processors/frame/face_swapper.py
4. 增强：GFPGAN / GPEN 把面部细节补回来（可选）
5. 贴回与编码：软边缘遮罩把新脸融合回原帧，ffmpeg 逐帧合成最终视频

整条管线每帧独立跑一遍，所以实时帧率取决于你机器单帧处理要多久。

按清单查资源与源码

• 模型文件清单：models/instructions.txt
• 帧处理管线源码：modules/processors/frame/
• 界面与全部选项定义：modules/ui.py
• 搭配工具：OBS Studio（直播推流）、FFmpeg（视频处理，依赖装好后自带）

打开终端，把第 2 步的两条 venv 命令粘进去回车，看到(venv)前缀后执行python run.py，30 秒后界面就会弹出来——这就是你离第一帧换脸效果的全部距离。

【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