现在位置: 首页 / 对比与选型 / 正文

实时换脸，开始像普通人也能用的桌面工具了：Deep-Live-Cam 值得看

前两天我再看一圈 AI 视频工具时，还是会下意识先过滤掉那种“演示很炸，落地很麻烦”的项目。Deep-Live-Cam 不太一样。

它当然不是第一个做换脸的项目，但它把一条原本要拆成模型、推理后端、摄像头、视频处理、口型修补的链路，尽量压成了一个桌面应用：选一张脸、选摄像头、点 live，就开始跑。

如果你只是想知道这项目值不值得看，我的判断很直接：值得，但别把它当成“一个深度伪造 demo”，要把它当成一套已经很接近消费级产品形态的本地工作流。

项目卡片

  • 项目名：Deep-Live-Cam
  • GitHub：https://github.com/hacksider/Deep-Live-Cam
  • 增长信号：仓库 README 直接把自己定义成“Real-time face swap and video deepfake with a single click and only a single image”，而且最新提交就在昨天，项目仍在持续维护
  • 一句话判断：它最有传播力的地方不是“能换脸”，而是把实时换脸这件事做成了普通用户也能理解的 GUI 闭环

它真正把门槛压低到了哪里

Deep-Live-Cam 的核心价值，不是底层模型突然有了新范式，而是工作流被压缩了。

README 里给的 TLDR 很直白：三步——选脸、选摄像头、按下 live。这个表述当然有宣传成分，但我回头看代码，发现它确实在围着这个目标做工程取舍。

入口就是一个很普通的 Python GUI：run.py 里直接进 modules.core.run()，UI 层则用 customtkinter 组织选择源脸、目标素材、摄像头和实时模式。你不需要自己拼 ffmpeg、手搓推理脚本，也不需要先理解一堆 notebook。

Deep-Live-Cam 的主界面把选脸、选目标、开关项和实时模式都压在一个桌面窗口里

这类项目我一般先看两件事：有没有 GUI 闭环，以及命令行是不是还能独立跑。Deep-Live-Cam 两个都给了。

它的 CLI 参数里已经把关键能力都摊开了：

bashcode
python run.py \
  --source face.jpg \
  --target video.mp4 \
  --output out.mp4 \
  --execution-provider cuda \
  --frame-processor face_swapper

更关键的是，参数不是只有“换脸”这一件事。modules/core.py 里还能看到这些开关：

  • --many-faces：一帧里处理多张脸
  • --map-faces：把源脸和目标脸做映射
  • --mouth-mask：尽量保留原始嘴部运动
  • --nsfw-filter：对不合适内容做过滤
  • --execution-provider：在 CPU / CUDA / CoreML 等后端之间切换
  • --frame-processor：在换脸外，再叠加 GFPGAN 或 GPEN 增强

也就是说，它不是只做出一个“演示按钮”，而是把一条完整处理链路都揉进了同一个壳里。

最值得看的设计：口型保留和多人映射

如果只看“把 A 的脸贴到 B 上”，这类项目其实已经很多了。Deep-Live-Cam 更有信息量的部分，在于它往“真实感补丁”上补了两刀。

1）Mouth Mask 不是噱头

README 里把 Mouth Mask 单独拎出来，说是“Retain your original mouth for accurate movement”。这个功能我原本以为只是一个简单遮罩，但翻代码后会发现它做得比名字细。

face_swapper.py 里会在换脸前保留原始帧副本，然后根据 106 点 landmark 计算下嘴唇和嘴周区域，生成 mouth mask，把原始嘴部区域重新贴回已经换脸后的画面里。这样做的目的很明确：脸可以换，但说话时最容易穿帮的嘴部运动尽量保留。

Mouth Mask 的目的不是让画面更“美颜”，而是尽量把说话时最容易穿帮的嘴部区域留在原视频里

这一步很关键。很多换脸 demo 静态截图还行，一开口就破功。Deep-Live-Cam 至少在工程层面认真处理了这个问题。

2）Many Faces / Map Faces 说明它不只盯着单人 webcam

另一个值得看的地方，是它没有把目标场景限定成“单人直播间自拍”。

在 face_analyser.py 里，它不仅能拿单张脸，还会对视频帧里的多张脸做 embedding 聚类，找 centroid，再把不同目标脸和不同源脸做映射。README 里对应的功能名就是 Many Faces 和 Face Mapping。

仓库演示里已经把多人场景和多目标映射做成了明确功能，而不是留在“以后支持”的路线图里

这意味着它面向的不是单一玩法，而是一整类实时场景：直播、多人视频、甚至边播边换多个角色。你不一定会用到，但这说明项目作者是在把它当工具做，不只是做一个 viral demo。

它的性能思路也很实用

Deep-Live-Cam 的另一点现实感，在于它没有装作“所有机器都能轻松跑满”。

README 里明确区分了 CPU、CUDA、Apple Silicon CoreML 几条路径。代码里也能看到这种分支逻辑：

  • 如果启用 CUDA，会把 OMP_NUM_THREADS 设成 1，尽量减少线程争用
  • suggest_execution_threads() 会根据不同推理后端给出不同线程建议
  • gpu_processing.py 会优先探测 OpenCV 的 CUDA 支持，有就走 GPU，没有就回 CPU fallback
  • Apple Silicon 路径下又专门给 CoreML 做了 provider 配置

我比较认可这种写法。它没有神化“实时”两个字，而是在不同硬件上尽量找可接受的折中。

如果你是 NVIDIA 机器，README 给的最短路径是：

bashcode
pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
pip uninstall onnxruntime onnxruntime-gpu
pip install onnxruntime-gpu==1.21.0
python run.py --execution-provider cuda

如果你是 Apple Silicon，它反而写得更保守，明确提醒 Python 版本和 onnxruntime-silicon 的兼容要求。这不是漂亮话，但很有用：说明作者知道这类桌面 AI 工具最容易死在环境碎片化上。

这项目最适合谁，不适合谁

如果你想找的是：

  • 一套本地跑的实时换脸 GUI
  • 能快速做直播、短视频、整活 demo 的工具
  • 可以从单脸扩到多人、从换脸扩到增强的工作流

那 Deep-Live-Cam 很值得试。

README 首页的 demo 已经把“单图驱动 + 实时换脸”这件事做成了非常直观的闭环展示

但如果你期待的是：

  • 云端一键 SaaS
  • 零安装零依赖
  • 法务、风控、审核都已经产品化兜底

那它还不是这个方向。

README 虽然写了免责声明，也提到内置 NSFW 检查，并声明必要时可能加水印或停项；代码里也确实接了 opennsfw2 做过滤。但这套东西更像“作者已经意识到问题并做了第一层工程处理”，还不是完整的平台级治理。

换句话说，它已经像工具了，但还不是平台。

上手前先记这 4 个坑

如果是我自己第一次装，我会先记住这四件事：

  • 先装 ffmpeg。pre_check() 里直接卡这个，没有 ffmpeg 根本不让往下走。
  • 模型文件别漏。README 明确要求把 inswapper_128_fp16.onnx 和 GFPGAN 模型放进 models/，代码里也会在启动时检查。
  • 别高估 CPU 体验。它能跑，不代表你会满意；真想用 live 模式，优先准备 CUDA 或至少可用的 CoreML 环境。
  • 把它当本地实验工具，不是无风险成品。尤其涉及真人脸部素材时，授权、标注和使用场景都要自己兜住。

最后判断

我看完这个仓库之后，最大的感受不是“又一个 deepfake 项目”，而是：终于有人把实时换脸这件事，从模型演示往可操作工具又推了一步。

它当然还有很多粗糙的地方，安装依赖也不算轻，合规层面更谈不上万无一失。但就开源项目来说，它已经把最容易劝退普通人的那一段——环境、交互、后端切换、嘴部修补、多人处理——尽量收拢进了一个还能用的桌面闭环里。

这就够它值得被认真看一眼了。

如果这篇对你有用，建议点个关注。我会持续把 GitHub 上值得用的 AI 工具拆成「最短上手闭环 + 坑点清单 + 可复用配置」，让你少走弯路。

关注微信公众号

想第一时间看到后续的工具拆解与实战更新，欢迎扫码关注公众号。