企业官网建设流程全解析

无显卡也能跑：Deep-Live-Cam 云端免费部署，一张照片实时换脸

【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

Deep-Live-Cam 是一款开源实时人脸换脸工具：丢一张正脸照片进去，它能逐帧把视频或摄像头画面里的人脸替换掉，表情和光线都跟着原画面走。关键点是它默认走 CPU 推理，也就是说没有独立显卡照样能跑通，普通电脑配上免费云端环境就够了。

🚀 为什么这类换脸工具适合丢上免费云端

一张照片换掉视频里的脸，真正吃的是帧数，不是显卡。Deep-Live-Cam 默认用 CPU 推理，普通 PC 上帧率虽不如显卡加速，但处理短视频和做实时预览都够用，这正好把"必须有独显"这道门槛拆掉了。

那么云端环境是什么？Google Colab 就是免费在线 notebook，浏览器打开就能写代码，计算全跑在云端，你本机只负责看结果，也不用操心 Python、ffmpeg 这些依赖，它基本都自带。

对新手来说这就是最省心的路径：不占本机资源、不用装显卡驱动，还能随时中断重跑。

⏱ 三条命令搭好云端环境，3 分钟就绪

复制粘贴就能跑。打开 Colab 新建一个 notebook，依次执行下面三条命令：

!git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam %cd Deep-Live-Cam !pip install -r requirements.txt

第一条把项目代码拉到云端，--depth 1只取最新一次提交、速度更快；第二条进项目目录；第三条按requirements.txt装齐 opencv、insightface、onnxruntime 等推理库。看到末尾没有红色报错、提示安装完成，环境就 OK 了。

🎬 上传素材，产出第一个换脸视频

素材到位，第一次换脸就能跑。先备两张料：一张源脸照片（正脸、光线充足、分辨率不低于 512×512），一段目标视频。在 Colab 里上传：

from google.colab import files files.upload()

弹出文件框，依次传 face.jpg 和 target.mp4，输出区打印 "saved to memory" 即成功。然后执行换脸：

!python run.py -s face.jpg -t target.mp4 --keep-audio

这一行表示以 face.jpg 为源脸，对 target.mp4 逐帧换脸并保留原音轨。首次运行会自动下载 inswapper 换脸模型与 GFPGAN 修复模型，加起来约 300MB，进度条走完并给出输出路径就是成功，成品视频就落在以目标文件命名的文件夹里。

🛠 跑不通？先自查这几类坑

卡住了别慌，多半是这几个原因之一。模型下载慢或中断：把 inswapper_128_fp16.onnx 和 GFPGANv1.4 两个文件放进本地的models/目录再重跑。Colab 免费会话有超时限制：处理长视频前先裁短片段，跑完尽快用files.download()把结果拉到本地。

提示检测不到人脸，多半是照片问题：换一张光线足、角度正、清晰无遮挡的正脸照。画面里有多张脸只换了一张：追加--many-faces参数，它会把画面里全部人脸都替换掉。

📡 从视频到实时

视频跑通后，换脸就能上摄像头了。想精调效果可以叠加参数：--keep-fps保持原帧率，--mouth-mask保留目标人物的嘴部动作让口型更自然，--map-faces则给多张脸分别指定不同源脸。

如果手边有带摄像头的电脑，装好后直接python run.py就能打开图形界面：选源脸、选摄像头、点 Live，等 10~30 秒出预览，再用 OBS 之类的工具捕获窗口推流。实时逻辑在 modules/core.py，界面配置在 modules/ui.py，想改行为从这两个文件入手。

一句提醒：用真人照片换脸需取得本人同意，发布时也注明内容是深度伪造生成。

【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