尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
Deep-Live-Cam新手快速上手指南:实时换脸安装、配置、启动与常见报错排查
Deep-Live-Cam新手快速上手指南实时换脸安装、配置、启动与常见报错排查【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本文是一份面向新手的 Deep-Live-Cam 安装配置教程按顺序说明如何搭建 Python 环境、把两个模型文件放进 models/ 目录、为 CPU 与不同显卡选择执行提供器以及启动报错、模型加载失败时该按什么顺序排查。先做 30 秒判断你现在属于哪种情况在动手之前先对照下面四种状态直接跳到对应章节能省掉大量无效操作第一次接触还没装任何东西从“最小可用路径”开始按顺序走完四步即可。代码已克隆但启动时报错或卡在模型加载直接看“启动失败排查清单”。有 NVIDIA、AMD、Intel 或 Mac 设备想开硬件加速看“按设备选执行提供器”。已经能跑想处理图片或视频、调节效果看“可选优化”和“进阶场景”两节。Deep-Live-Cam 的核心能力是用单张人脸照片对摄像头画面或图片/视频做实时换脸。官方 README 给出的最短操作只有三步——选一张人脸图、选一个摄像头、点 Live 按钮。最小可用路径四步让 Deep-Live-Cam 跑起来这一节的目标只有一个让界面打开、能出预览。硬件加速全部放在后面先保证“能跑”。第一步拿到项目代码git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam--depth 1只拉取最新一次提交下载更快。第二步Python 版本与依赖README 要求 Python 3.11–3.14推荐 3.14。建议用虚拟环境隔离依赖避免污染系统 PythonWindows / Linuxpython -m venv venv venv\Scripts\activate # Windows 用这一行 source venv/bin/activate # Mac/Linux 用这一行 pip install -r requirements.txtmacOSApple Silicon 需要额外安装 GUI 依赖brew install python3.14 brew install python-tk3.14 python3.14 -m venv venv source venv/bin/activate pip install -r requirements.txt另外两个容易被忽略的前置条件见 README 安装章节系统里要有ffmpeg视频处理依赖它Windows 用户需要安装 Visual Studio 2022 C 运行库。第三步模型文件放进 models/ 目录这是新手最容易卡住的一步。必须准备两个关键模型文件作用大小参考inswapper_128_fp16.onnx换脸主模型项目源码记录为 277,680,638 字节约 265MBGFPGANv1.4面部增强模型以 README 模型链接为准放置位置项目根目录下的models/文件夹文件名不要加多余空格或后缀。仓库里的 models/instructions.txt 也说明了“把模型放进这个文件夹”。两个补充说明如果models/是空的程序首次运行会自动下载缺失模型官方 README 说明约 300MB。如果你所在地访问模型源很慢建议按 README 给出的模型链接手动下载后放入models/更稳妥。想要更高质量的 FP32 版本可以选inswapper_128.onnx约 528MB代价是更慢、更吃资源新手先用 FP16 即可。第四步启动程序python run.py没有独立显卡时直接这样启动即可程序默认使用 CPU。启动后你会看到操作界面按 README 的三步走Select a face选人脸图→ 选择摄像头 → Live。关键文件与路径只需检查这几处排查问题时只需要确认下面几个位置是否正确其余文件不用动仓库为只读环境不要修改、新增或删除其中内容models/模型文件必须在这里这是“模型找不到”报错的第一检查点requirements.txt依赖清单pip install -r requirements.txt以它为准run.py程序入口所有启动命令都从它开始modules/核心源码例如core.py启动与参数解析、face_analyser.py人脸检测、processors/frame/下的face_swapper.py换脸处理locales/多语言文案目录界面语言相关。按设备选执行提供器CPU、CUDA、CoreML、DirectML 怎么选--execution-provider参数决定模型在哪种硬件上推理。不传该参数时程序会根据当前 onnxruntime 可用的提供器自动选默认值。按设备对照下表设备提供器启动命令无独显兼容优先cpupython run.pyNVIDIA 显卡cudapython run.py --execution-provider cudaApple SiliconM 系列coremlpython3.14 run.py --execution-provider coremlWindows 上的 AMD/Intel 显卡directmlpython run.py --execution-provider directmlIntel 平台openvinopython run.py --execution-provider openvino各提供器的额外安装要求均摘自 README 安装章节CUDANVIDIA安装 CUDA Toolkit 12.8.0 和 cuDNN v8.9.7CUDA 12.x 版并确保 cuDNN 的 bin 目录在系统 PATH 中按 README 安装 torch 的 cu128 版本后再执行pip uninstall onnxruntime onnxruntime-gpu pip install onnxruntime-gpu1.26.0CoreMLApple Silicon不需要额外安装包requirements.txt拉取的官方 onnxruntime 自带 CoreML 提供器如果之前装过已停止维护的onnxruntime-silicon必须先卸载否则会覆盖官方包多版本 Python 并存时固定用python3.14命令启动。DirectMLWindowspip uninstall onnxruntime onnxruntime-directml pip install onnxruntime-directml1.21.0OpenVINOIntel安装onnxruntime-openvino1.21.0更新版本需要与 openvino 严格配对具体版本对照表以 README 为准。启动失败排查清单五个常见现象及处理方式按“现象 → 可能原因 → 处理方式”来对照从上往下逐项检查1. 现象提示模型缺失或启动时反复出现模型下载进度条可能原因两个模型文件没有手动放进models/自动下载又因网络中断处理方式按 README 的模型链接手动下载inswapper_128_fp16.onnx与GFPGANv1.4放入models/核对 fp16 文件大小应约 265MB明显偏小说明下载不完整重新下载。2. 现象Mac 上启动即报_tkinter相关错误可能原因GUI 依赖没装好处理方式执行brew reinstall python-tk3.14README 给出的官方修复命令。3. 现象NVIDIA 显卡上 onnxruntime-gpu 报错或找不到 CUDA 提供器可能原因CUDA Toolkit 12.8.0 或 cuDNN v8.9.7 没装或 cuDNN bin 目录不在 PATH处理方式按上一节 CUDA 顺序补齐环境确认不了时先改用python run.py --execution-provider cpu保证能跑。4. 现象Apple Silicon 上模型加载异常、版本冲突可能原因残留了旧的onnxruntime-silicon分支包处理方式pip uninstall onnxruntime-silicon然后重新pip install -r requirements.txt。5. 现象点了 Live预览迟迟不出可能原因模型仍在加载属正常等待处理方式官方说明预览出现需要 10–30 秒先耐心等待超过一分钟仍无画面再回头检查终端里的报错信息。成功标志怎样确认这次安装真的成功了满足以下四条就可以认为基础环境搭建完毕GUI 窗口正常显示Select a face、Select a target、Start、Live 等按钮齐全终端无报错模型加载阶段顺利通过图片/视频模式点 Start 后输出文件保存在以目标视频命名的目录里README 明确说明的存放规则摄像头模式点 Live 后 10–30 秒内出现预览画面需要推流时用 OBS 等屏幕采集工具截取预览窗口。可选优化跑稳之后再动这些参数基础功能稳定前不建议乱调参数。稳定后可以关注内存限制--max-memory参数以 GB 为单位限制程序可用的内存。默认值由程序按系统内存自动估算只有内存确实紧张时才手动调低不建议随意填具体数值面部增强Face Enhancer 会提升清晰度但更耗性能预览卡顿时可先关掉多人脸--many-faces会处理画面中每一张脸资源占用更高单人脸场景不必开启摄像头分辨率降低摄像头输出分辨率是最直接的提速手段执行提供器确认 CPU 模式下偏慢属正常现象README 明确说明 CPU 路径“更可能成功但更慢”有 GPU 就切到对应提供器。确认稳定后再尝试这些实时换脸场景基础跑通后README 列出的几个特色功能值得依次体验保留原声口型Mouth Mask开启后换脸时保留本人嘴部动作说话画面更自然。人脸映射Face Mapping同一画面里给不同人物映射不同的人脸。视频换脸Your Movie, Your Face把任意人脸实时替换进视频画面。直播表演Live Show作为直播推流的实时换脸画面源使用。想了解更多时去哪里找完整安装说明与参数表仓库根目录的 README.md命令行全部参数直接运行python run.py --help查看其中--many-faces、--map-faces、--mouth-mask、--keep-fps、--keep-audio等开关都在列表中源码结构核心逻辑在 modules/帧处理器在 modules/processors/frame/模型获取README 指向官方模型仓库Hugging Face 上的 hacksider/deep-live-cam具体文件以仓库说明为准使用边界README 特别声明——使用真人肖像需取得本人同意对外发布时应标注内容为深度伪造程序内置了对不当内容的过滤检查。下一步行动清单核对models/里两个模型文件是否完整运行python run.py打开界面按你的显卡启用对应执行提供器再报错就回到排查清单逐项核对。【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
RELATED

相关推荐

pyasc 的 asc.language.basic.max 深度解析:LocalTensor 逐元素最大值与高维切分计算

pyasc 的 asc.language.basic.max 深度解析:LocalTensor 逐元素最大值与高维切分计算

pyasc 的 asc.language.basic.max 深度解析:LocalTensor 逐元素最大值与高维切分计算 【免费下载链接】pyasc 本项目为Python用户提供算子编程接口,支持在昇腾AI处理器上加速计算,接口与Ascend C一一对应并遵守Python原生语法。 项目地址: …

📅 2026/9/18 3:44:24
Gyroflow 视频防抖实践指南:10 分钟把手持抖动素材救成稳定画面

Gyroflow 视频防抖实践指南:10 分钟把手持抖动素材救成稳定画面

Gyroflow 视频防抖实践指南:10 分钟把手持抖动素材救成稳定画面 【免费下载链接】gyroflow Video stabilization using gyroscope data 项目地址: https://gitcode.com/GitHub_Trending/gy/gyroflow 旅行 vlog 最后一镜:镜头一抬脚就走&#xff0…

📅 2026/9/18 3:44:24
@typespec/http-client-js:从 TypeSpec 定义生成 JavaScript/TypeScript HTTP 客户端库

@typespec/http-client-js:从 TypeSpec 定义生成 JavaScript/TypeScript HTTP 客户端库

typespec/http-client-js:从 TypeSpec 定义生成 JavaScript/TypeScript HTTP 客户端库 【免费下载链接】typespec 项目地址: https://gitcode.com/GitHub_Trending/ty/typespec typespec/http-client-js 是 TypeSpec 官方仓库(本仓库 packages/h…

📅 2026/9/18 3:44:24
MORE NEWS

更多资讯

📰

摘要插入无关指令案例,TaoToken Key 跑 27 组样本

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

📰

神经网络数据集规模与模型性能:学习曲线实战指南

1. 神经网络和数据集的思考:先把"数据越多越好"这句话拆开看做神经网络这几年,我被问得最多的问题之一就是:"我这个模型效果不行,是不是训练数据太少了?再弄几万条是不是就好了?"问这话…

📰

舆情实体识别 GLiFormer,情感归因 Agent Key 来自 TaoToken

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

📰

MiroFish:基于Python的轻量级局域网流量镜像分析工具

1. 为什么我要写MiroFish:现有工具的“最后一公里”问题先说个真实场景。前阵子公司办公网间歇性卡顿,领导让我排查是不是有设备在偷偷跑大流量。我按老套路在核心交换机上做了个端口镜像,把Uplink口的流量复制到分析口,然后tcpdu…

📰

MiroFish 鱼群式多智能体编排:Boid 三规则与工程落地

第一次看到 MiroFish 这个名字,我以为是某个水族论坛的爬虫脚本,点进去才发现是一套多智能体(Multi-Agent)编排框架——它把一群各自为战的模型实例,按鱼群的逻辑组织起来干活。我真正被它吸引,是因为一个跑…

📰

Agent-Reach:构建智能体统一触达层,解决大模型调用外部系统的最后一公里

1. Agent-Reach 到底在解决什么问题:大模型时代的“最后一公里”困局做 Agent 应用做了快两年,我越来越清楚地意识到一件事:现在的智能体,聪明是真的聪明,但“够不着”也是真的够不着。什么意思?就是说模型…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬