Deep-Live-Cam 本地实时换脸一张照片替换摄像头和视频中的人脸【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-CamDeep-Live-Cam 是一个本地实时换脸工具给一张照片它就把摄像头画面或视频文件里的人脸换成照片里的人。全程免服务器、不碰代码所有计算都在你自己的电脑上完成免费。照下面抄命令今天就能把换脸画面跑起来。它到底能干啥 视频通话换脸开视频会、直播时按 Live摄像头画面里的人立刻变成你选的照片对方看到的就是换好脸的画面视频文件换脸丢进一部电影或一段素材逐帧处理后在 output 目录拿到成品视频多人脸玩梗群像视频里每个人可以同时被换成不同的脸几分钟做出表情包视频本地实时换脸不需要服务器、不需要上传素材断网也能跑首次启动除外最短路径跑通1. 拉取项目代码需要系统里装好 Python3.113.14官方推荐 3.14和 git。跑这两条代码会落在Deep-Live-Cam目录里# 克隆仓库 git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam # 进入项目目录 cd Deep-Live-Cam做完该看到当前目录多了一个Deep-Live-Cam文件夹里面有run.py和models/。2. 建虚拟环境并装依赖虚拟环境一个隔离的 Python 小沙盒能避免污染系统里其他包。在Deep-Live-Cam目录下跑# 创建虚拟环境 python3 -m venv venv # 激活虚拟环境Windows 用 venv\Scripts\activate source venv/bin/activate # 安装全部依赖onnxruntime 会按你的系统自动选 CPU 或 GPU 版 pip install -r requirements.txt做完该看到命令行提示符前面多了(venv)字样依赖装完无红色报错。3. 把模型文件就位换脸效果由两个模型决定要手动放到models/目录inswapper_128_fp16.onnx换脸核心约 380MB和GFPGANv1.4.pth人脸增强还原皮肤细节用。两个文件的下载地址写在 models/instructions.txt 里打开复制后手动下载下完放进models/# 确认两个模型都在且大小正常inswapper 约 380MBGFPGAN 约 340MB ls -lh models/做完该看到models/里除了instructions.txt还有那两个模型文件大小没有只有几百 KB那说明下载中断了。4. 第一次启动激活虚拟环境后直接跑# 默认用 CPU 启动几秒后弹出图形界面 python run.py第一次启动会自动下载约 300MB 的人脸检测等辅助模型保持网络畅通别手动中断。几秒后弹出界面左边选源人脸照片中间选目标摄像头或视频底部是 Start 和 Live 两个按钮。选一张正脸照片点 Live等 1030 秒预览窗口出现换好脸的摄像头画面——画面在动说明你跑通了。两个核心场景怎么用实时模式Live适合人对着镜头、脸实时变的场景视频通话、直播、线下演出。源人脸选一张高质量正脸照越清晰替换越稳界面上选对摄像头后按 Live等预览窗口出现想中途换人重新选一张源图就行不用重启程序要对外推流时用 OBS 之类的工具截取这个预览窗口光线差时先调高摄像头亮度再开 Live换出来的脸更稳按 Ctrl C 或关预览窗口即可停止 选表情中性、光线均匀的正脸照换出来的脸最不容易穿帮。离线视频换脸适合把一整段视频的人脸批量换掉拿到一份成品文件。源人选好照片目标选视频文件点 Start 开始逐帧处理成品保存在output/下以目标视频命名的目录里音频默认保留--keep-audio默认开启想保留原帧率就加--keep-fps界面上勾选人脸增强对应--frame-processor face_enhancer_gpen256可以还原皮肤细节但更耗时长视频建议先剪出一小段试跑别直接开 2 小时的片子 先用 10 秒片段测效果满意了再处理完整视频能省下大半个晚上的等待。硬件适配选对执行后端 ️程序通过--execution-provider参数选择执行后端决定换脸计算跑在 CPU 还是哪块 GPU 上取值定义在 modules/globals.py。你的硬件启动命令前置条件NVIDIA 显卡python run.py --execution-provider cuda先装 CUDA Toolkit 12.8 和 cuDNN 8.9.7Apple Siliconpython run.py --execution-provider coreml依赖装好即可用自动选 CoreML 版 onnxruntimeAMD 显卡Windowspython run.py --execution-provider directml需另装 onnxruntime-directmlIntel 平台python run.py --execution-provider openvino需装对应版本的 OpenVINO 运行时普通 CPUpython run.py无前置条件默认后端最慢但最稳拿不准就先默认 CPU 跑通确认功能没问题再逐项开加速。报错自救高频问题速查 ⚠️提示找不到模型现象启动时报Model not found或模型加载失败。原因两个模型文件没放进models/目录或下载中断导致文件不完整。修复# 最常用检查两个文件都在且大小正常 ls -lh models/对比models/instructions.txt里的来源重新下载另外确认首次运行时的网络下载没有被你取消。GPU 加速不生效现象报 CUDA 相关错误或选了 cuda 却悄悄回落到 CPU。原因onnxruntime-gpu 找不到 CUDA/cuDNN 运行时库。修复按顺序装好 CUDA Toolkit 12.8 和 cuDNN 8.9.7再重装 onnxruntime-gpu。最省事的办法是先删掉--execution-provider cuda纯 CPU 跑起来再说。macOS 报_tkinter缺失现象macOS 上启动时报No module named _tkinter。原因系统 Python 没带图形界面支持包。修复# 最常用装对应 Python 版本的 python-tk brew install python-tk3.14预览卡顿、帧率很低现象Live 画面一顿一顿的FPS 掉到个位数。原因在 CPU 上跑或画面里人脸太多、源图分辨率过高。修复启用 GPU 执行器见上面硬件表减少同时处理的人脸数量源图换一张尺寸适中的。以上都没命中去仓库 Issue 区搜相同报错关键词通常有现成答案。跑通之后两个进阶方向多人脸映射想给画面里的每个人分配不同的脸# 处理画面中所有人脸并启用映射target.mp4 换成你自己的视频文件名 python run.py -t target.mp4 --many-faces --map-faces在界面里打开 Many Faces 和 Map Faces用映射功能把每张源图指派给指定的人群像视频瞬间变成表情包素材。控制内存和盯住性能长视频处理时内存可能越涨越高提前设上限更稳# 限制程序最大内存为 8GB python run.py --max-memory 8界面里的性能监控面板实时显示帧率、处理耗时和硬件占用方便判断该调哪个参数。 长视频先开低画质试跑一遍确认流程再用--video-quality调高质量出正式版。底线使用他人面孔前先拿到本人同意分享成品时明确标注是深度伪造不用于欺诈、诽谤等非法用途不处理暴力和其他敏感素材这是个工具怎么用取决于你上面四条守住就可以放心玩。【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
Deep-Live-Cam 本地实时换脸：一张照片替换摄像头和视频中的人脸
Deep-Live-Cam 本地实时换脸一张照片替换摄像头和视频中的人脸【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-CamDeep-Live-Cam 是一个本地实时换脸工具给一张照片它就把摄像头画面或视频文件里的人脸换成照片里的人。全程免服务器、不碰代码所有计算都在你自己的电脑上完成免费。照下面抄命令今天就能把换脸画面跑起来。它到底能干啥 视频通话换脸开视频会、直播时按 Live摄像头画面里的人立刻变成你选的照片对方看到的就是换好脸的画面视频文件换脸丢进一部电影或一段素材逐帧处理后在 output 目录拿到成品视频多人脸玩梗群像视频里每个人可以同时被换成不同的脸几分钟做出表情包视频本地实时换脸不需要服务器、不需要上传素材断网也能跑首次启动除外最短路径跑通1. 拉取项目代码需要系统里装好 Python3.113.14官方推荐 3.14和 git。跑这两条代码会落在Deep-Live-Cam目录里# 克隆仓库 git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam # 进入项目目录 cd Deep-Live-Cam做完该看到当前目录多了一个Deep-Live-Cam文件夹里面有run.py和models/。2. 建虚拟环境并装依赖虚拟环境一个隔离的 Python 小沙盒能避免污染系统里其他包。在Deep-Live-Cam目录下跑# 创建虚拟环境 python3 -m venv venv # 激活虚拟环境Windows 用 venv\Scripts\activate source venv/bin/activate # 安装全部依赖onnxruntime 会按你的系统自动选 CPU 或 GPU 版 pip install -r requirements.txt做完该看到命令行提示符前面多了(venv)字样依赖装完无红色报错。3. 把模型文件就位换脸效果由两个模型决定要手动放到models/目录inswapper_128_fp16.onnx换脸核心约 380MB和GFPGANv1.4.pth人脸增强还原皮肤细节用。两个文件的下载地址写在 models/instructions.txt 里打开复制后手动下载下完放进models/# 确认两个模型都在且大小正常inswapper 约 380MBGFPGAN 约 340MB ls -lh models/做完该看到models/里除了instructions.txt还有那两个模型文件大小没有只有几百 KB那说明下载中断了。4. 第一次启动激活虚拟环境后直接跑# 默认用 CPU 启动几秒后弹出图形界面 python run.py第一次启动会自动下载约 300MB 的人脸检测等辅助模型保持网络畅通别手动中断。几秒后弹出界面左边选源人脸照片中间选目标摄像头或视频底部是 Start 和 Live 两个按钮。选一张正脸照片点 Live等 1030 秒预览窗口出现换好脸的摄像头画面——画面在动说明你跑通了。两个核心场景怎么用实时模式Live适合人对着镜头、脸实时变的场景视频通话、直播、线下演出。源人脸选一张高质量正脸照越清晰替换越稳界面上选对摄像头后按 Live等预览窗口出现想中途换人重新选一张源图就行不用重启程序要对外推流时用 OBS 之类的工具截取这个预览窗口光线差时先调高摄像头亮度再开 Live换出来的脸更稳按 Ctrl C 或关预览窗口即可停止 选表情中性、光线均匀的正脸照换出来的脸最不容易穿帮。离线视频换脸适合把一整段视频的人脸批量换掉拿到一份成品文件。源人选好照片目标选视频文件点 Start 开始逐帧处理成品保存在output/下以目标视频命名的目录里音频默认保留--keep-audio默认开启想保留原帧率就加--keep-fps界面上勾选人脸增强对应--frame-processor face_enhancer_gpen256可以还原皮肤细节但更耗时长视频建议先剪出一小段试跑别直接开 2 小时的片子 先用 10 秒片段测效果满意了再处理完整视频能省下大半个晚上的等待。硬件适配选对执行后端 ️程序通过--execution-provider参数选择执行后端决定换脸计算跑在 CPU 还是哪块 GPU 上取值定义在 modules/globals.py。你的硬件启动命令前置条件NVIDIA 显卡python run.py --execution-provider cuda先装 CUDA Toolkit 12.8 和 cuDNN 8.9.7Apple Siliconpython run.py --execution-provider coreml依赖装好即可用自动选 CoreML 版 onnxruntimeAMD 显卡Windowspython run.py --execution-provider directml需另装 onnxruntime-directmlIntel 平台python run.py --execution-provider openvino需装对应版本的 OpenVINO 运行时普通 CPUpython run.py无前置条件默认后端最慢但最稳拿不准就先默认 CPU 跑通确认功能没问题再逐项开加速。报错自救高频问题速查 ⚠️提示找不到模型现象启动时报Model not found或模型加载失败。原因两个模型文件没放进models/目录或下载中断导致文件不完整。修复# 最常用检查两个文件都在且大小正常 ls -lh models/对比models/instructions.txt里的来源重新下载另外确认首次运行时的网络下载没有被你取消。GPU 加速不生效现象报 CUDA 相关错误或选了 cuda 却悄悄回落到 CPU。原因onnxruntime-gpu 找不到 CUDA/cuDNN 运行时库。修复按顺序装好 CUDA Toolkit 12.8 和 cuDNN 8.9.7再重装 onnxruntime-gpu。最省事的办法是先删掉--execution-provider cuda纯 CPU 跑起来再说。macOS 报_tkinter缺失现象macOS 上启动时报No module named _tkinter。原因系统 Python 没带图形界面支持包。修复# 最常用装对应 Python 版本的 python-tk brew install python-tk3.14预览卡顿、帧率很低现象Live 画面一顿一顿的FPS 掉到个位数。原因在 CPU 上跑或画面里人脸太多、源图分辨率过高。修复启用 GPU 执行器见上面硬件表减少同时处理的人脸数量源图换一张尺寸适中的。以上都没命中去仓库 Issue 区搜相同报错关键词通常有现成答案。跑通之后两个进阶方向多人脸映射想给画面里的每个人分配不同的脸# 处理画面中所有人脸并启用映射target.mp4 换成你自己的视频文件名 python run.py -t target.mp4 --many-faces --map-faces在界面里打开 Many Faces 和 Map Faces用映射功能把每张源图指派给指定的人群像视频瞬间变成表情包素材。控制内存和盯住性能长视频处理时内存可能越涨越高提前设上限更稳# 限制程序最大内存为 8GB python run.py --max-memory 8界面里的性能监控面板实时显示帧率、处理耗时和硬件占用方便判断该调哪个参数。 长视频先开低画质试跑一遍确认流程再用--video-quality调高质量出正式版。底线使用他人面孔前先拿到本人同意分享成品时明确标注是深度伪造不用于欺诈、诽谤等非法用途不处理暴力和其他敏感素材这是个工具怎么用取决于你上面四条守住就可以放心玩。【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