## 项目概述

Deep-Live-Cam 是一个基于 Python 的实时人脸替换和视频深度伪造工具，只需一张图片即可实现单次点击的实时换脸和视频深度伪造。该项目由 hacksider 开发，采用 AGPL-3.0 许可证，在 GitHub 上公开托管。它利用先进的 AI 模型，能够在直播、视频通话和视频文件中实时替换人脸，并提供了丰富的功能，如嘴部遮罩、多人脸映射等。项目强调合法和道德使用，内置了内容过滤机制，以防止不当使用。

## 核心功能

- **实时换脸**：通过摄像头或视频文件，实时将源人脸替换到目标上。
- **单张图片驱动**：仅需一张源人脸图片即可完成换脸。
- **嘴部遮罩**：保留原始嘴部动作，使换脸效果更自然。
- **多人脸映射**：支持在同一场景中对多个目标使用不同的人脸。
- **视频处理**：支持对视频文件进行换脸，并保留音频和帧率。
- **命令行接口**：提供 CLI 模式，便于自动化处理。
- **多种执行提供程序**：支持 CPU、CUDA (NVIDIA)、CoreML (Apple Silicon)、DirectML (Windows) 和 OpenVINO (Intel)。
- **内置内容过滤**：自动阻止处理不当内容（如裸露、暴力等）。

## 适用与不适用场景

**适用场景：**
- 艺术家和内容创作者制作创意视频、动画角色或虚拟形象。
- 电影和视频制作中的特效预览。
- 娱乐和社交媒体内容创作，如表情包、直播表演。
- 研究和教育目的，用于理解深度伪造技术。

**不适用场景：**
- 未经他人同意使用其面部进行换脸。
- 制作或传播虚假信息、欺诈内容。
- 处理裸露、暴力或敏感内容（项目内置过滤会阻止）。
- 任何违反法律法规或道德准则的用途。

## 技术架构与依赖

- **编程语言**：Python (3.11-3.14 支持，推荐 3.14)。
- **主要依赖**：
  - `onnxruntime` 及其变体（`onnxruntime-gpu`、`onnxruntime-coreml`、`onnxruntime-directml`、`onnxruntime-openvino`）
  - `torch`、`torchvision`、`torchaudio`（用于 GPU 加速）
  - `insightface`（提供人脸检测和识别模型）
  - `gfpgan` 和 `basicsr`（用于人脸增强）
  - `ffmpeg`（视频处理）
  - `tkinter`（GUI）
- **模型文件**：需要下载 GFPGANv1.4.onnx 和 inswapper_128_fp16.onnx，放置在 `models` 文件夹中。
- **架构**：基于 ONNX 运行时，支持多种执行提供程序，实现跨平台硬件加速。

## 安装与快速开始

**快速开始（预构建版本）**：
- 访问 [deeplivecam.net](https://deeplivecam.net/index.php/quickstart) 下载适用于 Windows、Mac Silicon、CPU、NVIDIA、AMD 的优化版本，无需手动安装。

**手动安装（技术用户）**：
1. 安装 Python 3.14（或 3.11-3.14）、pip、git、ffmpeg 和 Visual Studio 2022 Runtimes（Windows）。
2. 克隆仓库：
   ```bash
   git clone --depth 1 https://github.com/hacksider/Deep-Live-Cam.git
   cd Deep-Live-Cam
   ```
3. 下载模型文件（GFPGANv1.4.onnx 和 inswapper_128_fp16.onnx）并放入 `models` 文件夹。
4. 创建虚拟环境并安装依赖：
   ```bash
   python -m venv venv
   source venv/bin/activate  # Windows: venv\Scripts\activate
   pip install -r requirements.txt
   ```
5. 运行：
   ```bash
   python run.py
   ```

**GPU 加速（可选）**：
- 对于 NVIDIA GPU，安装 CUDA Toolkit 12.8.0 和 cuDNN v8.9.7，然后安装 `onnxruntime-gpu==1.21.0` 和 PyTorch CUDA 版本。
- 对于 Apple Silicon，使用 `onnxruntime` 官方版本（已包含 CoreML 支持）。
- 对于 Windows，可安装 `onnxruntime-directml`。
- 对于 Intel，可安装 `onnxruntime-openvino` 并匹配 OpenVINO 版本。

## 典型使用方法

**图像/视频模式**：
1. 运行 `python run.py`。
2. 选择源人脸图像和目标图像/视频。
3. 点击“Start”。
4. 输出保存在目标视频同名的目录中。

**Webcam 模式**：
1. 运行 `python run.py`。
2. 选择源人脸图像。
3. 点击“Live”。
4. 等待预览出现（10-30 秒）。
5. 使用 OBS 等工具进行直播。

**命令行模式**：
```bash
python run.py -s source.jpg -t target.mp4 -o output.mp4 --frame-processor face_swapper face_enhancer --keep-audio
```

## 配置与部署要点

- **模型放置**：确保模型文件位于 `models` 文件夹中，否则会报错。
- **虚拟环境**：强烈建议使用 `venv` 避免依赖冲突。
- **GPU 配置**：根据硬件选择正确的执行提供程序，并安装对应的 `onnxruntime` 变体。
- **macOS 注意事项**：使用 `python3.14` 命令，安装 `python-tk@3.14`，避免 Python 版本冲突。
- **OpenVINO 版本匹配**：`onnxruntime-openvino` 和 `openvino` 版本必须对应，参考官方文档。
- **内容过滤**：内置检查会阻止处理不当内容，无法关闭。
- **许可证**：项目使用 AGPL-3.0，但模型可能受限于非商业研究用途（如 insightface 模型）。

## 限制、风险与许可证

- **限制**：
  - 手动安装需要技术技能，不适合初学者。
  - 实时性能依赖硬件，CPU 模式较慢。
  - 命令行参数标记为“未维护”，可能不稳定。
  - 模型文件较大（约 300MB），首次运行需下载。
- **风险**：
  - 深度伪造技术可能被滥用，造成隐私侵犯、欺诈等问题。
  - 项目可能因法律要求而关闭或添加水印。
  - 用户需自行承担使用责任，确保合法合规。
- **许可证**：
  - 项目代码采用 AGPL-3.0 许可证。
  - 使用的模型（如 insightface）可能仅限非商业研究用途，需遵守相应许可。

## 官方链接

- **GitHub 仓库**：[https://github.com/hacksider/Deep-Live-Cam](https://github.com/hacksider/Deep-Live-Cam)
- **预构建版本下载**：[https://deeplivecam.net/index.php/quickstart](https://deeplivecam.net/index.php/quickstart)
- **模型下载**：[https://huggingface.co/hacksider/deep-live-cam/tree/main](https://huggingface.co/hacksider/deep-live-cam/tree/main)
- **最新发布**：[https://github.com/hacksider/Deep-Live-Cam/releases/tag/2.7-ultimate](https://github.com/hacksider/Deep-Live-Cam/releases/tag/2.7-ultimate)

## 信息来源和分析时间

- **信息来源**：GitHub 仓库 README、CONTRIBUTING.md、最新发布信息。
- **分析时间**：2026年8月1日（基于最新发布标签日期）。