Deep-Live-Cam 实战：从克隆到多脸实时换脸的 5 个关键调参点

Deep-Live-Cam 实战从克隆到多脸实时换脸的 5 个关键调参点【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 的核心能力是只用一张正面照片就在摄像头画面或视频文件里完成实时换脸顺带支持一键导出成片。本文覆盖从克隆仓库、放置模型到多脸替换与排障的完整链路重点放在那些真正影响帧率的开关上。 先跑起来环境、模型、启动三步整个安装流程只有三条主线克隆仓库、装依赖、补模型。git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv # 激活 venv 后执行pip install -r requirements.txt模型文件需要inswapper_128_fp16.onnx换脸核心与GFPGANv1.4.pth面部增强两个文件从项目的模型托管页下载后放入models/目录。两者合计约 300MB。启动装完依赖后直接运行主程序界面左侧是操作面板右侧是实时预览。python run.py首次运行会打印一行平台横幅标明当前选中的加速器CUDA / CoreML / DirectML / CPU。选Select a face加载源人脸图片再点Live摄像头画面即开始实时换脸。 执行提供者选型六种加速路径对照换脸推理跑在 ONNX Runtime 上--execution-provider决定用哪条硬件路径。不传该参数时程序自动探测启动横幅会告诉你结果。执行提供者适用硬件启动参数cudaNVIDIA 独显--execution-provider cudarocmAMD 显卡ROCm 环境--execution-provider rocmdirectmlAMD 及其他 Windows 显卡--execution-provider directmlcoremlApple M 系列芯片--execution-provider coremlopenvinoIntel 核显 / NPU--execution-provider openvinocpu任意环境兜底--execution-provider cpu两个常被忽略的配套参数--execution-threads推理线程数程序默认按硬件给出建议值NVIDIA 卡上调成单线程有时反而更快源码注释如此。--max-memory限制可用内存上限GB低配机器可主动压低避免内存吃满后整机变慢。python run.py --execution-provider cuda --execution-threads 6 影响帧率的 4 个界面开关按影响从大到小硬件之外界面里的选项决定单帧耗时。以下顺序即优化收益从高到低Face Enhancer增强器挂在换脸之后再做一轮修复是 GPU 负载的大头。关掉它可省出最多的算力代价是脸部细节略糊。Mouth mask嘴部遮罩滑动条大于 0 时即生效额外一次区域运算。口型同步要求不高的场景可直接拉回 0。Many faces替换画面中每一张脸时检测与替换都成倍增加。单人直播默认关闭即可。Keep frames保留临时帧会占用磁盘 I/O调试检测框时再开日常关闭。面板里的 Video Process 数值是最直接的帧耗时指标优先盯它来判断是哪个开关拖慢了管线。 排障速查表症状最常见原因一条命令解决启动即崩溃或黑屏模型文件未放入models/检查目录下是否同时存在两个模型文件横幅显示 CPU预期应有 GPUonnxruntime-gpu 缺失或显卡驱动过旧pip install -r requirements.txt重装依赖并更新驱动实时预览低于 10 fpsFace Enhancer 与 Mouth mask 同时开启界面取消勾选增强器Mouth mask 滑条归零多人视频里只换了一张脸未启用多脸模式python run.py --many-faces启动成片画质差、噪点明显输出质量参数偏大追加--video-quality 180–51越小越清晰--video-encoder默认 libx264兼容性最好文件体积优先时可选 libx265 或 libvpx-vp9。 三个感知差异最大的进阶能力多脸同时替换。开启 Many faces 后画面中所有检测到的人脸都会被替换成源人脸适合群像视频与直播连麦场景。电影级实时换脸。把视频文件作为目标输入程序按帧处理并合成成片。headless 模式下不需要打开界面python run.py -s face.jpg -t movie.mp4 -o out.mp4 --keep-fps --keep-audio直播实时输出。处理后的画面可直接投给 OBS 等推流软件形成直播换脸效果--live-mirror可把预览镜像成前置摄像头视角方便对着自己调试。 往深处走一条命令与两个源码入口想跳过界面做批量处理headless 参数组合就是完整入口-s源脸、-t目标视频、-o输出再加--keep-fps --keep-audio保持原帧率与音轨。需要更精细的控制时换掉--frame-processor的取值如face_enhancer_gpen256、face_enhancer_gpen512即可切换增强方案。两个值得先读的源码位置modules/processors/frame/core.py帧处理流水线的总装检测、替换、增强按此文件串接改处理顺序从这里入手。modules/face_analyser.py人脸检测与关键点对齐检测漏脸或角度问题时先看这里。下一步动作打开modules/processors/frame/core.py找到帧处理器列表的装配函数把当前不需要的环节注释掉重跑一次python run.py对比面板里 Video Process 的数值变化。这就是本项目最直接的调优回路。【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