如何使用Deep Live Cam工具进行实时换脸？

Deepfake 和换脸技术在日常数字内容中越来越常见。Deep Live Cam 是一款开源工具，只需使用一张图片，就能进行实时人脸互换并制作 Deepfake 视频。该工具的设计简单易用，可提供保持面部表情、光线和头部运动的自然效果。它支持多种硬件，对内容创作者、教育工作者和从事视觉媒体工作的开发人员非常有用。在本文章中，我将探讨 Deep Live Cam 的工作原理、如何设置它，以及在负责任地使用实时换脸工具时应注意的事项。

什么是Deep Live Cam？

Deep Live Cam 是一款基于人工智能的应用程序，可在实时视频源上实现实时换脸，并支持一键生成 Deepfake视频。它使用机器学习模型将一个人的脸映射到另一个人的脸上，同时保留自然的表情、光线和角度。该工具设计简单，只需一张源图像即可生成逼真的效果。

主要功能

• 实时换脸：在视频源上快速更换人脸，将延迟降到最低。
• 轻松深度伪造：只需一张图片，即可轻松生成深度伪造视频。
• 可在多种系统上运行：可在 CPU、NVIDIA CUDA 和 Apple Silicon 硬件上运行。
• 更佳画质：使用 GFPGAN 等模型使交换后的人脸看起来更真实。这增强了实时换脸的视觉效果。
• 安全措施：包括检查以阻止使用不良内容。这支持法律和道德标准。

Deep Live Cam的内部工作原理是什么？

Deep Live Cam 使用几个关键的人工智能模型。这些模型为实时换脸功能提供动力：

• inswapper：InsightFace开发了这个模型。它在数百万张面部图像上进行训练。该模型可从二维图像中推断出三维面部结构。它将身份特征与姿势特征分离开来。这样就能顺利进行面部替换。
• GFPGAN：换脸后，GFPGAN 可提高图像质量。它可以完善细节并纠正图像错误。这一过程可确保生成的深度伪造视频具有逼真的外观。

Deep Live Cam 支持各种硬件。其中包括 CPU、英伟达 CUDA 和苹果 Silicon。软件采用模块化设计。这种结构便于更新。一旦出现新模型，即可添加。

入门：安装和设置

本节将指导您安装 Deep Live Cam。请仔细按照这些步骤进行安装，以便成功安装。正确安装可为实时人脸交换和深度伪造视频生成做好准备。

安装Python 3.10

Deep Live Cam 建议使用 Python 3.10 版本。较新版本（如 3.12 或 3.13）可能会导致错误。如果使用比 3.10 更新的 Python 版本，可能会出现以下错误： ModuleNotFoundError： 没有名为 ‘distutils’ 的模块。出现此错误的原因是 distutils 并不是较新 Python 版本的一部分。使用 Python 3.10 可以避免这种情况。

点击此处访问 Python 官方发布页面。

安装FFmpeg

Deep Live Cam 的视频处理由 FFmpeg 处理。

下载 FFmpeg：我们在 Linux 上运行此系统，因此

# Make a directory in your home for FFmpeg
mkdir -p ~/apps/ffmpeg && cd ~/apps/ffmpeg
# Download a static build of FFmpeg for Linux
wget https://johnvansickle.com/ffmpeg/releases/ffmpeg-release-amd64-static.tar.xz
# Extract it
tar -xf ffmpeg-release-amd64-static.tar.xz
# Enter the extracted directory
cd ffmpeg-*-amd64-static
# Test it
ffmpeg -version

它会打印出你安装的 ffmpeg 版本。现在在路径中添加 ffmpeg：

export PATH="$HOME/apps/ffmpeg/ffmpeg-*-amd64-static:$PATH"

克隆Deep Live Cam代码库

接下来，获取 Deep Live Cam 项目文件。

用 Git 克隆： 打开终端或命令提示符。使用 cd your\desired\path 导航到所需目录。然后运行

git clone https://github.com/hacksider/Deep-Live-Cam.git

终端将显示克隆进度。现在使用：

cd Deep-Live-Cam

下载人工智能模型

Deep Live Cam 需要特定的 AI 模型才能运行。

1. 下载这两个模型文件：

• GFPGANv1.4.pth
• inswapper_128_fp16.onnx

2. 将下载的两个文件放到 Deep-Live-Cam 项目目录下的“models”文件夹中：

使用venv安装依赖项

建议使用虚拟环境 (venv)。venv 是一个 Python 工具。它能创建隔离的 Python 环境。这可以防止项目之间的软件包冲突。每个项目都可以有自己的软件包版本。它能保持主要 Python 安装的整洁。

创建虚拟环境 在 Deep-Live-Cam 根目录下打开终端。运行：

python -m venv deepcam

如果有多个 Python 版本，请使用完整路径指定 Python 3.10：

/path/to/your/python3.10 -m venv deepcam

1. 激活虚拟环境：

On macOS/Linux
source deepcam/bin/activate

2. 现在，命令行提示符开头应显示 (deepcam)：

安装所需软件包： 启动虚拟环境后，运行

pip install -r requirements.txt

运行此过程可能需要几分钟，它将下载应用程序所需的所有库。

运行应用程序（CPU初始运行）

安装完成后，就可以运行程序了。

在终端中执行以下命令（确保 venv 处于活动状态）：

python run.py

注意：首次运行时，程序会下载额外的模型文件（约 300MB）。

现在，您的 Deep Live Cam 应该可以在 CPU 上运行了：

测试Deep Live Cam

上传源面部和目标面部，然后点击“Start”，它就会开始将你的面部从源图像切换到目标图像。

输出：

我们可以看到，该模型运行良好，为我们提供了很好的输出结果。

测试实时功能

要测试实时功能，请选择一个人脸，然后从可用选项中点击 Live。

输出：

实时功能中的模型输出也值得称赞，尽管由于后台计算耗资巨大，camara 时刻非常低。

我们还注意到，在使用眼镜时，模型的精确度并没有降低。即使有任何物体挡在脸部和摄像头之间，它也能交换脸部。

使用GPU加速（可选）

如果您的硬件支持 GPU 加速，您可以使用它来获得更快的性能。

Nvidia CUDA 加速

安装 CUDA 工具包：确保已从 NVIDIA 网站安装 CUDA 工具包 11.8。

安装依赖项：

pip uninstall onnxruntime onnxruntime-gpu
pip install onnxruntime-gpu==1.16.3

使用 CUDA 运行：

python run.py --execution-provider cuda

如果程序窗口打开时没有错误，说明 CUDA 加速正在运行。

如何使用Deep Live Cam？

执行 python run.py 启动应用程序窗口。

• 视频/图像换脸模式：
  • 选择源人脸图像（要使用的人脸）。
  • 选择目标图像或视频（人脸将被替换的地方）。
  • 选择输出目录。
  • 点击“Start”。
  • 帧将被处理并保存在所选输出位置的子目录中。处理完成后会出现最终视频。
• 网络摄像头模式：
  • 选择源人脸图像。
  • 点击“Live”。
  • 等待几秒钟（一般为 10 至 30 秒），预览窗口就会出现。
  • 面部增强器： 该选项可提高图像清晰度。如果硬件性能不足，可能会导致视频不流畅。

故障排除

面部区域显示黑色块？如果遇到此问题，请在激活的 venv 环境中尝试执行以下命令：

针对 Nvidia GPU 用户：

pip uninstall onnxruntime onnxruntime-gpu
pip install onnxruntime-gpu==1.16.

然后，再次尝试运行程序：

python run.py

一键Deepfake

1. 选择源照片： 选择一张清晰的人脸照片。高分辨率图片最适合实时换脸。
2. 选择目标视频： 选择一段视频或使用网络摄像头。换脸将在这里进行。
3. 设置选项： 调整设置以匹配你的电脑硬件。这包括帧处理选项和输出路径。
4. 开始换脸 点击“Start”按钮。此操作将开始 deepfake 视频生成过程。
5. 观察和调整： 在屏幕上查看实时结果。必要时更改设置，以获得良好的结果。

我使用Deep Live Cam的测试结果

我使用名人 Sam Altman 和 Elon Musk 的清晰照片对 Deep Live Cam 进行了测试，并将实时换脸功能应用到我的实时网络摄像头馈送中。结果相当不错：

• 看起来真实： 交换后的脸部表情自然。光线与目标视频非常匹配。
• 运行良好： 程序在中端英伟达™（NVIDIA®）图形处理器上运行流畅。几乎没有延迟。
• 一些问题 头部快速移动会导致一些视觉错误。极端角度也会出现一些小问题。这些方面还有待改进。

涉及的风险

深度实时摄像机提供了令人兴奋的用途。它也带来了重大风险。它的实时人脸互换功能需要慎重考虑。其中包括

• 身份盗窃： 该工具可以有效地冒充个人。这引发了对身份盗窃的严重担忧。可能会侵犯隐私。
• 金融欺诈： 该技术可为诈骗提供便利。例如，伪造高管视频通话以批准不良交易。
• 信任危机： 随着换脸技术的发展，真假难辨。这会损害人们对数字通信的信任。
• 法律问题： 未经同意使用此类技术可能会导致问题。不同司法管辖区的法律各不相同。用户可能会因生成深度伪造视频而面临诉讼或监管行动。

用户必须了解这些危险。他们应该负责任地使用 Deep Live Cam。实施保护措施会有所帮助。为 deepfake 内容添加水印是一个步骤。在使用肖像前征得同意至关重要。这些措施可以减少潜在的滥用。

另请阅读： 深度伪造应用和简介

小结

Deep Live Cam 让实时换脸和 Deepfake 视频的创建变得简单，即使只需最低限度的技术技能。虽然这对创作者和教育工作者来说是一个强大的工具，但它的易用性也引发了严重的担忧。滥用的可能性是真实存在的，如身份盗窃、错误信息或隐私侵犯。因此，负责任地使用这项技术非常重要。一定要征得同意，添加水印等保障措施，避免欺骗性使用。Deepfake 工具可以激发创造力，但必须谨慎使用。