Deep-Live-Cam 一张照片三步实时换脸

【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

想让摄像头画面里的自己实时换成另一张脸？Deep-Live-Cam 是一个免费开源的实时换脸工具：一张人脸图片作输入，即可在摄像头或视频文件中实时替换面部。它完全在本地运行，画面不出你的机器，从装好到出第一帧大约三分钟。

三步跑起来：安装 → 选图 → 首次运行

1. 安装环境

先确认机器上有 Python 3.11 到 3.14（推荐 3.14）、git 和 ffmpeg，然后克隆仓库并建立虚拟环境：

git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv source venv/bin/activate pip install -r requirements.txt

Windows 上把第四行换成venv\Scripts\activate。虚拟环境能避免系统级依赖互相污染，出问题删掉venv目录重来即可。依赖装完后，换脸所需的两个模型（约 300MB）会在首次运行时自动下载；如果你希望手动管理，也可以按 models/instructions.txt 的说明把.onnx文件放进models/目录。

2. 准备源脸图片

挑一张照片作为源脸：正面、光线均匀、表情中性，脸部区域分辨率 512 像素以上。侧脸、遮挡、强阴影都会降低识别成功率，不需要做任何裁剪或预处理。

3. 运行并首次出片

python run.py

窗口打开后，点Select a Face导入源脸图片，再点Select a Target导入一张目标图片或一段目标视频，然后按Start，处理结果会保存到以目标视频命名的目录里；把电影片段选为目标，就能边播边看换脸后的画面。想直接上摄像头，导入源图后按Live，等 10~30 秒出现预览窗口即可，直播时用 OBS 等软件截取这个窗口就行。如果窗口打不开或报缺库错误，先确认当前终端激活的是刚建的虚拟环境。

完成 Deep-Live-Cam 安装教程后首次运行的界面：左侧选择源图与目标，右侧实时预览换脸效果。

各硬件的预期表现如下，帧率为 720p 下的近似范围，实际会受是否开启增强影响：

核心功能逐个过

Mouth Mask：保留原始口型

解决换脸后嘴型与原始口部不同步、近景一眼假的问题。界面里勾选Mouth Mask（参数--mouth-mask），工具只替换嘴部上方的区域，保留原始口型与发音口形。适合视频通话、直播这类嘴部清晰可见的场景。

Deep-Live-Cam 实时换脸教程中的 Mouth Mask 演示：嘴部区域保留原始口型，说话时口型不同步的问题明显减少。

Many Faces 与 Face Mapping：多人同屏替换

解决默认只替换最突出一张脸、画面里其他人不动的问题。勾选Many Faces处理画面中每一张脸；再配合Face Mapping，可以为不同人物指定不同的源脸，一一映射。适合群像视频、多人会议和表情包式素材。

Many Faces 开启后的 Deep-Live-Cam 多脸换脸效果：画面中每位人物都被替换成不同的面孔。

Face Enhancer：低清素材增强

解决换出的脸偏糊、有纹理瑕疵的问题。勾选Face Enhancer后，换脸区域会再走一遍增强模型，细节更干净。适合老片、压缩流这类低分辨率素材；代价是 GPU 负载明显上升，低端机器建议保持关闭。

Keep FPS 与 Keep Audio：输出保真

解决输出视频与源片帧率、音轨不一致的问题。勾选Keep FPS按源片帧率输出，勾选Keep Audio保留原始音轨。需要控制编码时，用命令行参数--video-encoder（libx264或libx265）和--video-quality（0~51，数值越小质量越高）指定。适合成片交付、二次剪辑前的粗剪。

Live：实时摄像头模式

解决在视频通话、直播中以另一张脸实时出镜的问题。导入源脸后按 Live 按钮，预览起来后把窗口投进 OBS 或任何支持屏幕捕获的软件；预览窗口可以调整大小，中途更换源图不用重启程序。适合直播、通话和线下表演这类实时场景。

性能调优与帧率达标

降帧三招

帧率不够时，按顺序试这三招：

1. 降低输出分辨率：从 1080p 降到 720p 甚至 480p。
2. 给帧率设上限：目标 15~30 FPS，不追源片帧率。
3. 关闭 Face Enhancer：GPU 负载大约下降三成。

各后端启动参数

--execution-provider决定推理跑在哪块硬件上，按你的硬件选一个：

# NVIDIA / AMD / Intel / CPU python run.py --execution-provider cuda python run.py --execution-provider dml python run.py --execution-provider openvino python run.py --execution-provider cpu # Apple Silicon（注意 python3.14 前缀） python3.14 run.py --execution-provider coreml

AMD 与 Intel 需要先装对应的onnxruntime-directml或onnxruntime-openvino包，NVIDIA 需要先备好 CUDA 12.8 与 cuDNN，装包细节以仓库 README 为准。GUI 模式下也可以在界面里直接选择后端，命令行参数只适合进阶用法。

Deep-Live-Cam 性能调优参考：普通 PC 上通过降分辨率、限帧率和关闭增强，可以获得流畅的实时帧率。

故障速查

底层怎么工作

处理管线只有三步。第一步，人脸检测：检测模型在每帧中找出所有人脸的位置。第二步，特征对齐：提取两张脸的关键点，把源脸对齐到目标脸的姿态，再编码出身份特征。第三步，融合输出：身份特征与目标脸的几何结构合成新脸，按原位置贴回画面，边缘用遮罩过渡，避免生硬接缝。逐帧循环执行，也就是你看到的实时效果。

帧 → 人脸检测（定位所有脸） → 关键点提取与姿态对齐 → 身份特征编码 → 合成融合（生成新脸） → 贴回原帧（遮罩过渡） → 可选：Face Enhancer → 输出

合规与使用边界

四条硬性规则：

• 隐私：只使用已获本人明确同意的人脸图像。
• 标注：发布含真人面孔的内容时，明确标注为 AI 生成的深度伪造。
• 法律：不得用于欺诈、冒充、诽谤等任何非法用途。
• 未成年人：任何涉及未成年人的换脸内容一律不做。

本工具不提供内容过滤。它不做输入审查，也不做输出审核，使用场景是否合规由你自行判断并承担责任。

下一步：你可以继续做什么

• 换脸、增强、遮罩每一步都是独立处理器，看 modules/processors/frame/。
• GPU 线程数与显存上限的分配逻辑在 modules/gpu_processing.py。
• 界面布局与全部参数定义在 modules/ui.py。
• 模型文件的放置说明在 models/instructions.txt。
• 二次开发前先看现有用例 tests/。

装好环境，先跑通你的第一帧。

【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