Deep-Live-Cam 实时换脸实战：5 步在自己电脑上跑通 AI 人脸交换

Deep-Live-Cam 实时换脸实战5 步在自己电脑上跑通 AI 人脸交换【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-CamDeep-Live-Cam 是一款开源实时换脸工具给它一张照片就能把这张脸实时换到摄像头或视频里无需训练配置也不复杂普通硬件也能跑起来。下面模拟一个新手第一次接触它的完整旅程带你装好它、跑起来并判断你的机器够不够用。项目速览一句话定位Deep-Live-Cam 是主打「三键操作」的开源实时换脸工具——选脸、选目标、按 Live即可对摄像头或视频做实时 AI 人脸交换。它基于 InsightFace 检测与 ONNX 换脸模型把重活都交给 ONNX Runtime 调度到 GPU 上执行。维度说明功能定位单张图片驱动的实时换脸与一键视频 deepfake支持平台Windows / macOS含 Apple Silicon/ Linux硬件门槛纯 CPU 可跑GPU 加速换脸体验最佳核心模型inswapper_128ONNX 换脸模型 GFPGAN 面部增强许可证AGPL-3.0五分钟快速上手准备环境装好 Python3.11–3.14和 ffmpeg这是全部前置依赖。克隆仓库只拉最新一次提交即可--depth 1省下载时间。建虚拟环境装依赖强烈建议用 venv避免污染系统 Python。直接运行python run.py首次运行会自动下载约 300MB 的模型文件。GUI 里选脸开工图片/视频模式点 Start摄像头模式点 Live。git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate pip install -r requirements.txt python run.py它到底是怎么换脸的整个流程可以拆成「检测 → 对齐 → 融合 → 回贴」四步每步都有个直白的类比检测像安检仪识别人——InsightFace 的 RetinaFace 模型在每一帧里找出人脸位置并提取 512 维身份特征向量实现逻辑在 modules/face_analyser.py。对齐像证件照相馆摆正脸——用仿射变换把人脸裁切、摆正到 128×128 的标准空间让模型永远「按同一张脸的样子」工作。融合像画师借形不借神——inswapper_128 这个 ONNX 换脸模型只取源脸的身份特征叠到目标脸的姿态、表情、光照上生成新的脸。回贴像修图师无缝合成——用羽化遮罩把换好的脸贴回原帧边缘自然过渡开启 Mouth Mask 还能保留目标原本的嘴型。# 伪代码仅表意 faces detect(frame) # 检测定位人脸并提取身份特征 for target in faces: crop align(frame, target) # 对齐仿射变换到 128x128 swapped inswapper(src, crop) # 融合GAN 叠加源脸身份 frame paste(frame, swapped) # 回贴羽化遮罩贴回原帧 return frame真正干活的核心处理器都在 modules/processors/frame/ 目录下face_swapper.py就是换脸主逻辑想读源码的人从这里入手。硬件怎么选才不踩坑平台执行提供者最低硬件参考帧率预期一句话建议NVIDIACUDA显存 4GB 起步8GB 从容1080p 接近实时第一选择fp16 模型速度最快Apple SiliconCoreML8GB 统一内存起步16GB 从容实时可用M 系列优化充分体验顺滑AMDDirectML显存 8GB 起步能实时帧率略低于 NVIDIA仅 Windows 支持纯 CPUCPU内存 16GB 起步个位数 FPS够试跑体验别指望直播说人话就是有 NVIDIA 卡优先 CUDA体验最成熟Mac 用户基本不用担心CoreML 路径官方做了不少优化AMD 能跑但帧率打折纯 CPU 适合先看看效果真做实时就别为难自己的核显了。仓库里还附带了 benchmark_pipeline.py 基准脚本拿自己的机器测一把最踏实。三个你会用到的场景 直播与视频通话实时特效痛点想以别的身份出现在视频通话或直播里又不想每次后期。要点选好源脸 → 选摄像头 → 按 Live用 OBS 等工具采集预览窗口即可推流直播中随时可换源脸图片。注意帧率吃 GPU 性能正式开播前先用 720p 压测一遍。 短视频与影视后期批量处理痛点一整段视频甚至整部电影想把其中某张脸换掉还要保留原声。要点图片/视频模式选目标视频源脸 目标点 Start多人画面可开 many faces 一次处理全部人脸输出保存在以目标视频命名的目录里。注意长视频处理要耐心进度条会显示到每一帧。 教学演示与创意内容制作痛点做教学演示、特效预演或玩梗需要「照片里的人」出现在画面中。要点单张图片换脸即可出静态结果开启 Mouth Mask 让目标嘴型保持自然人脸增强可提升画质。注意发布前务必明确标注 AI 生成。遇到问题先查这里问题一显存溢出症状CUDA error: out of memory进程直接崩掉。大概率原因同时启用了面部增强GFPGAN它比换脸本身更吃显存。解法只保留换脸处理器python run.py --frame-processor face_swapper --execution-provider cuda问题二帧率上不去症状直播画面卡顿只有个位数 FPS。大概率原因实际跑在 CPU 上或多人脸模式叠加了嘴部遮罩。解法确认用 CUDA 并给足线程python run.py --execution-provider cuda --execution-threads 4问题三模型加载失败症状提示Model not found in .../models。大概率原因models/目录里没放模型文件或 onnxruntime 版本与平台不匹配。解法确认models/中有 inswapper_128_fp16.onnx并按平台重装对应运行时pip uninstall onnxruntime onnxruntime-gpu pip install onnxruntime-gpu1.26.0负责任地使用换真人脸必须取得对方知情同意。不用于身份伪造、诈骗或冒充任何他人。所有输出在分享时明确标注「AI 生成」。写在最后Deep-Live-Cam 功能已经相当成熟多平台适配完整社区把它用得很充分算得上这个赛道里上手最快的开源实时换脸工具。它适合内容创作者、想折腾 GPU 加速换脸管线的开发者以及纯粹好奇 AI 能干什么的技术爱好者。接下来值得期待的是更稳的多人脸处理和更低的硬件门槛——当然能力越大标注越要醒目。【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