选一张脸，选一个摄像头，按下 Live——三步，实时换脸完成。
这不是概念演示，而是 GitHub 上一个 93.4k Star 的开源项目 Deep-Live-Cam 的真实使用流程。项目由开发者 hacksider 创建，69 位贡献者参与，使用 Python 编写，采用 AGPL-3.0 开源协议。2024 年 8 月，它被 Ars Technica、Yahoo、CNN、Bloomberg、PetaPixel 等国际媒体集中报道，标题里反复出现 "terrifying" 这个词。
但抛开猎奇叙事，Deep-Live-Cam 本质上是一个生产力工具。它解决了实时换脸领域一个长期存在的矛盾：要么质量好但需要训练 8-12 小时（如 DeepFaceLab），要么速度快但效果卡通化（如社交媒体滤镜）。Deep-Live-Cam 用一张照片、零训练时间，给出了第三种方案。
被国际媒体刷屏的"恐怖"换脸工具
Deep-Live-Cam 的核心能力：用一张静态照片，在实时视频流中替换任意面部，无需训练。
GitHub 仓库地址：https://github.com/hacksider/Deep-Live-Cam
这个能力让它迅速出圈。以下是各媒体的报道：
- Ars Technica："Deep-Live-Cam goes viral, allowing anyone to become a digital doppelganger"
- Yahoo!："OK, this viral AI live stream software is truly terrifying"
- CNN Brasil："AI can clone faces on webcam; understand how it works"
- Bloomberg Technoz："Get to know Deep Live Cam technology, it can be used as a tool for deception"
- PetaPixel："Deepfake AI Tool Lets You Become Anyone in a Video Call With Single Photo"
- TechLinked (Linus Tech Tips)："They do a pretty good job matching poses, expression and even the lighting"
- IShowSpeed（知名主播）："What the F**! Why do I look like Vinny Jr? I look exactly like Vinny Jr!?"
知名 YouTuber SomeOrdinaryGamers 的评价："That's Crazy, Oh God. That's Fucking Freaky Dude... That's So Wild Dude"
5 个真实应用场景
1. 直播主播：实时角色扮演
Twitch 和 YouTube 主播用 Deep-Live-Cam 在直播中实时切换面部。IShowSpeed 在直播中换上了足球明星 Vinicius Jr 的脸，整个过程实时完成。与 VTuber 的 2D 动画风格不同，Deep-Live-Cam 输出的是照片级真实感。
2. 内容创作者：病毒式表情包
Deep-Live-Cam 的 Many Faces 功能可以一键处理画面中的所有面部。GitHub README 中专门展示了一个用 Many Faces 功能制作的 meme 示例，并标注 "Created using Many Faces feature in Deep-Live-Cam"。
3. 教育工作者：扮演历史人物
历史课、语言课上的沉浸式教学——老师在摄像头前变成历史人物，面部表情和口型实时同步。无需后期剪辑，课堂上直接使用。
4. 企业用户：视频会议隐私保护
通过 OBS Virtual Camera 将换脸后的画面输出到 Zoom、Teams 等会议软件。官方 FAQ 专门提供了 MS Teams 的设置指引：在 Deep-Live-Cam 中按下 "Virtual Camera"，然后在 Teams 中选择 "OBS Virtual Camera" 即可。
5. 影视制作：低成本特效预览
官方 README 展示了 "Your Movie, Your Face" 功能——实时在电影画面中替换任意角色的脸。对于独立制作人来说，这是快速预览换脸效果的零成本方案。
3 步上手：从安装到第一次换脸
先确认：你的电脑能跑吗？
以下信息来自官网推荐配置：
| 配置项 | 官方推荐 |
|---|---|
| 操作系统 | Windows 10 及以上 |
| GPU（NVIDIA） | GTX 2060、3060 或更高，6GB VRAM 以上 |
| GPU（AMD） | 6GB VRAM 以上 |
| CUDA 版本 | 13.0 或更高（仅 NVIDIA 用户） |
实际帧率参考：
| 硬件配置 | 实时帧率 |
|---|---|
| NVIDIA GPU（6GB VRAM） | 约 8 FPS |
| i9 + 24GB VRAM 及以上 | 最高 20 FPS |
| AMD / Mac | 约 6-10 FPS |
| 纯 CPU | 官方说明 "will be slower as it utilizes the CPU" |
方式一：付费预构建版（Quickstart）
如果你不想折腾 Python 环境，官网提供了付费的 Quickstart 版本，解压后双击 deep-live-cam.bat 即可运行。Quickstart 比开源版多出不少功能，包括 HyperSwap 256 换脸模型、GPEN 面部增强、前额调节、虚拟摄像头、分辨率自动优化等。版本号也领先——目前 Quickstart 是 v2.7 RC2，开源版是 2.1.6。
价格（查看订阅页面）：
| 版本 | 月付 | 季付 | 订阅链接 |
|---|---|---|---|
| NVIDIA GPU | $22/月 | $40/3 个月（省 33%） | NVIDIA 订阅 |
| AMD GPU | $22/月 | $40/3 个月（省 33%） | AMD 订阅 |
| Mac Silicon | $32/月 | $60/3 个月 | Mac 订阅 |
订阅后登录官网账户即可下载。订阅到期后仍可使用基础功能（包括更快的视频和图片渲染）。
Quickstart 与开源版的主要差异：
| 功能 | GitHub 开源版 | Quickstart 付费版 |
|---|---|---|
| 安装方式 | 手动 Git/Python/Pip | 一键可执行文件 |
| 换脸模型 | Inswapper (128) | Inswapper (128) + HyperSwap (256) |
| 面部增强 | GFPGAN | GFPGAN + GPEN 256 + GPEN 512 |
| 前额调节 | 无 | 有（Forehead Sliders） |
| 虚拟摄像头 | 无 | 内置 |
| 分辨率自动优化 | 无 | 有 |
| 实时视频播放 | 无 | 有 |
| 版本号 | 2.1.6 | v2.7 RC2（领先约 1 个版本） |
Quickstart 是订阅制，支持 NVIDIA GPU、AMD GPU、Mac Silicon 三个版本。订阅到期后仍可使用基础功能。
方式二：开源版手动安装
注意：开源版的安装需要一定的技术基础，不适合纯新手。
系统依赖：
- Python（3.10 或 3.11）
- pip、git、ffmpeg
- Visual Studio 2022 Runtimes（仅 Windows）
安装步骤：
# 1. 克隆仓库
git clone https://github.com/hacksider/Deep-Live-Cam.git
cd Deep-Live-Cam
# 2. 下载模型（约 300MB）
# 从 https://huggingface.co/hacksider/deep-live-cam/tree/main 下载
# GFPGANv1.4.onnx 和 inswapper_128_fp16.onnx
# 放入 models/ 文件夹
# 3. 安装依赖
python -m venv venv
venvScriptsactivate # Windows
pip install -r requirements.txt
# 4. 运行（CPU 模式）
python run.pyGPU 加速配置：
| GPU 类型 | 安装命令 | 运行参数 |
|---|---|---|
| NVIDIA | pip install onnxruntime-gpu==1.21.0 |
--execution-provider cuda |
| Apple Silicon | pip install onnxruntime-silicon==1.13.1 |
--execution-provider coreml |
| AMD / Windows | pip install onnxruntime-directml==1.21.0 |
--execution-provider directml |
| Intel | pip install onnxruntime-openvino==1.21.0 |
--execution-provider openvino |
注意：macOS 用户必须使用 Python 3.11，不支持更新版本。如果遇到 _tkinter 缺失，运行 brew reinstall [email protected]。NVIDIA 用户还需安装 CUDA Toolkit 12.8.0 和 cuDNN v8.9.7。
使用方式
图像/视频模式：
- 执行
python run.py - 选择源面部图像和目标图像/视频
- 点击 "Start"
- 输出保存在以目标视频命名的目录中
摄像头模式：
- 执行
python run.py - 选择源面部图像
- 点击 "Live"
- 等待预览出现（10-30 秒）
- 使用 OBS 等屏幕捕获工具推流
进阶玩法：你可能不知道的隐藏功能
嘴部遮罩（Mouth Mask）
开启后保留你原始的嘴部动作，只替换面部其他区域。这样说话、吐舌头、摸嘴唇等动作都能自然呈现，不会出现"面具嘴"的僵硬感。
多人面部映射（Face Mapping）
为画面中的不同人物指定不同的目标面部。适合群组视频场景，但比较吃资源。
Many Faces：一键处理所有面部
README 展示的 meme 功能即使用此模式，自动将选定面部应用到画面中检测到的所有人脸。
其他设置
| 设置项 | 说明 |
|---|---|
| Generate Face | 随机生成一个面部 |
| Fix Bluish Cam | 修正偏蓝色调，适用于专业级摄像头 |
| Show FPS | 在预览窗口显示帧率 |
| Face Enhancer | 使用 GFPGAN 增强，官方提示 "very slow, not yet ready for realtime" |
| Frameskip Buffer | 让帧率更平滑但增加一点延迟 |
| Opacity | 调整透明度，可以融合原始面部和换脸面部 |
| Sharpness | 增加面部锐度，适用于 Inswapper 模型 |
Deep-Live-Cam vs 其他换脸工具：怎么选？
vs DeepFaceLab：质量 vs 速度
传统深度伪造工具（如 DeepFaceLab）需要收集数百张图片，训练模型 8-12 小时，才能生成可用的换脸视频。Deep-Live-Cam 不需要训练，一张照片直接开始。但训练式工具在极端角度、长视频一致性上仍有优势。
选择依据：需要实时处理选 Deep-Live-Cam，需要极致画质选 DeepFaceLab。
vs 社交媒体滤镜：真实感不在同一量级
Snapchat、Instagram 等平台的滤镜使用 2D 叠加或简单变形。Deep-Live-Cam 使用神经网络（inswapper_128）进行面部替换，输出照片级真实感。代价是需要 GPU 和一定的技术配置。
vs Roop：同源项目的不同方向
Deep-Live-Cam 基于 Roop（原作者 s0md3v）的代码演化而来，增加了实时摄像头支持、嘴部遮罩、多人面部映射等功能。处理预录视频 Roop 更简单，实时换脸则 Deep-Live-Cam 是唯一选择。
伦理红线：用之前必须知道的 3 件事
以下三点是使用 Deep-Live-Cam 前必须了解的底线。
1. 获得被换脸者同意
使用真实人脸时，必须获得本人明确同意，并在分享时标注为 deepfake。
2. 标注为深度伪造内容
分享换脸内容时必须明确标注为深度伪造。不标注可能构成欺诈或诽谤。
3. 内置内容检测的边界
Deep-Live-Cam 内置了内容检测，会自动阻止处理裸露、暴力、战争画面等不当内容。但这个机制不能替代用户的道德判断。项目方明确表示不对最终用户行为负责，使用者需自行确保符合道德标准和法律要求。
此外，项目使用的 insightface 模型（由 deepinsight 提供）仅限非商业研究用途。
