如何使用Deep Live Cam工具進行即時換臉？

Deepfake 和換臉技術在日常數字內容中越來越常見。Deep Live Cam 是一款開源工具，只需使用一張圖片，就能進行即時人臉互換並製作 Deepfake 影片。該工具的設計簡單易用，可提供保持面部表情、光線和頭部運動的自然效果。它支援多種硬體，對內容創作者、教育工作者和從事視覺媒體工作的開發人員非常有用。在本文章中，我將探討 Deep Live Cam 的工作原理、如何設定它，以及在負責任地使用即時換臉工具時應注意的事項。

什麼是Deep Live Cam？

Deep Live Cam 是一款基於人工智慧的應用程式，可在即時影片源上實現即時換臉，並支援一鍵生成 Deepfake影片。它使用機器學習模型將一個人的臉對映到另一個人的臉上，同時保留自然的表情、光線和角度。該工具設計簡單，只需一張源影像即可生成逼真的效果。

主要功能

• 即時換臉：在影片源上快速更換人臉，將延遲降到最低。
• 輕鬆深度偽造：只需一張圖片，即可輕鬆生成深度偽造影片。
• 可在多種系統上執行：可在 CPU、NVIDIA CUDA 和 Apple Silicon 硬體上執行。
• 更佳畫質：使用 GFPGAN 等模型使交換後的人臉看起來更真實。這增強了即時換臉的視覺效果。
• 安全措施：包括檢查以阻止使用不良內容。這支援法律和道德標準。

Deep Live Cam的內部工作原理是什麼？

Deep Live Cam 使用幾個關鍵的人工智慧模型。這些模型為即時換臉功能提供動力：

• inswapper：InsightFace開發了這個模型。它在數百萬張面部影像上進行訓練。該模型可從二維影像中推斷出三維面部結構。它將身份特徵與姿勢特徵分離開來。這樣就能順利進行面部替換。
• GFPGAN：換臉後，GFPGAN 可提高影像質量。它可以完善細節並糾正影像錯誤。這一過程可確保生成的深度偽造影片具有逼真的外觀。

Deep Live Cam 支援各種硬體。其中包括 CPU、英偉達 CUDA 和蘋果 Silicon。軟體採用模組化設計。這種結構便於更新。一旦出現新模型，即可新增。

入門：安裝和設定

本節將指導您安裝 Deep Live Cam。請仔細按照這些步驟進行安裝，以便成功安裝。正確安裝可為即時人臉交換和深度偽造影片生成做好準備。

安裝Python 3.10

Deep Live Cam 建議使用 Python 3.10 版本。較新版本（如 3.12 或 3.13）可能會導致錯誤。如果使用比 3.10 更新的 Python 版本，可能會出現以下錯誤： ModuleNotFoundError： 沒有名為 ‘distutils’ 的模組。出現此錯誤的原因是 distutils 並不是較新 Python 版本的一部分。使用 Python 3.10 可以避免這種情況。

點選此處訪問 Python 官方釋出頁面。

安裝FFmpeg

Deep Live Cam 的影片處理由 FFmpeg 處理。

下載 FFmpeg：我們在 Linux 上執行此係統，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

它會列印出你安裝的 ffmpeg 版本。現在在路徑中新增 ffmpeg：

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

克隆Deep Live Cam程式碼庫

接下來，獲取 Deep Live Cam 專案檔案。

用 Git 克隆： 開啟終端或命令提示符。使用 cd your\desired\path 導航到所需目錄。然後執行

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

終端將顯示克隆進度。現在使用：

cd Deep-Live-Cam

下載人工智慧模型

Deep Live Cam 需要特定的 AI 模型才能執行。

1. 下載這兩個模型檔案：

• GFPGANv1.4.pth
• inswapper_128_fp16.onnx

2. 將下載的兩個檔案放到 Deep-Live-Cam 專案目錄下的“models”資料夾中：

使用venv安裝依賴項

建議使用虛擬環境 (venv)。venv 是一個 Python 工具。它能建立隔離的 Python 環境。這可以防止專案之間的軟體包衝突。每個專案都可以有自己的軟體包版本。它能保持主要 Python 安裝的整潔。

建立虛擬環境 在 Deep-Live-Cam 根目錄下開啟終端。執行：

python -m venv deepcam

如果有多個 Python 版本，請使用完整路徑指定 Python 3.10：

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

1. 啟用虛擬環境：

On macOS/Linux
source deepcam/bin/activate

2. 現在，命令列提示符開頭應顯示 (deepcam)：

安裝所需軟體包： 啟動虛擬環境後，執行

pip install -r requirements.txt

執行此過程可能需要幾分鐘，它將下載應用程式所需的所有庫。

執行應用程式（CPU初始執行）

安裝完成後，就可以執行程式了。

在終端中執行以下命令（確保 venv 處於活動狀態）：

python run.py

注意：首次執行時，程式會下載額外的模型檔案（約 300MB）。

現在，您的 Deep Live Cam 應該可以在 CPU 上執行了：

測試Deep Live Cam

上傳源面部和目標面部，然後點選“Start”，它就會開始將你的面部從源影像切換到目標影像。

輸出：

我們可以看到，該模型執行良好，為我們提供了很好的輸出結果。

測試即時功能

要測試即時功能，請選擇一個人臉，然後從可用選項中點選 Live。

輸出：

即時功能中的模型輸出也值得稱讚，儘管由於後臺計算耗資巨大，camara 時刻非常低。

我們還注意到，在使用眼鏡時，模型的精確度並沒有降低。即使有任何物體擋在臉部和攝像頭之間，它也能交換臉部。

使用GPU加速（可選）

如果您的硬體支援 GPU 加速，您可以使用它來獲得更快的效能。

Nvidia CUDA 加速

安裝 CUDA 工具包：確保已從 NVIDIA 網站安裝 CUDA 工具包 11.8。

安裝依賴項：

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

使用 CUDA 執行：

python run.py --execution-provider cuda

如果程式視窗開啟時沒有錯誤，說明 CUDA 加速正在執行。

如何使用Deep Live Cam？

執行 python run.py 啟動應用程式視窗。

• 影片/影像換臉模式：
  • 選擇源人臉影像（要使用的人臉）。
  • 選擇目標影像或影片（人臉將被替換的地方）。
  • 選擇輸出目錄。
  • 點選“Start”。
  • 幀將被處理並儲存在所選輸出位置的子目錄中。處理完成後會出現最終影片。
• 網路攝像頭模式：
  • 選擇源人臉影像。
  • 點選“Live”。
  • 等待幾秒鐘（一般為 10 至 30 秒），預覽視窗就會出現。
  • 面部增強器： 該選項可提高影像清晰度。如果硬體效能不足，可能會導致影片不流暢。

故障排除

面部區域顯示黑色塊？如果遇到此問題，請在啟用的 venv 環境中嘗試執行以下命令：

針對 Nvidia GPU 使用者：

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

然後，再次嘗試執行程式：

python run.py

一鍵Deepfake

1. 選擇源照片： 選擇一張清晰的人臉照片。高解析度圖片最適合即時換臉。
2. 選擇目標影片： 選擇一段影片或使用網路攝像頭。換臉將在這裡進行。
3. 設定選項： 調整設定以匹配你的電腦硬體。這包括幀處理選項和輸出路徑。
4. 開始換臉 點選“Start”按鈕。此操作將開始 deepfake 影片生成過程。
5. 觀察和調整： 在螢幕上檢視即時結果。必要時更改設定，以獲得良好的結果。

我使用Deep Live Cam的測試結果

我使用名人 Sam Altman 和 Elon Musk 的清晰照片對 Deep Live Cam 進行了測試，並將即時換臉功能應用到我的即時網路攝像頭饋送中。結果相當不錯：

• 看起來真實： 交換後的臉部表情自然。光線與目標影片非常匹配。
• 執行良好： 程式在中端英偉達™（NVIDIA®）圖形處理器上執行流暢。幾乎沒有延遲。
• 一些問題 頭部快速移動會導致一些視覺錯誤。極端角度也會出現一些小問題。這些方面還有待改進。

涉及的風險

深度即時攝像機提供了令人興奮的用途。它也帶來了重大風險。它的即時人臉互換功能需要慎重考慮。其中包括

• 身份盜竊： 該工具可以有效地冒充個人。這引發了對身份盜竊的嚴重擔憂。可能會侵犯隱私。
• 金融欺詐： 該技術可為詐騙提供便利。例如，偽造高管視訊通話以批准不良交易。
• 信任危機： 隨著換臉技術的發展，真假難辨。這會損害人們對數字通訊的信任。
• 法律問題： 未經同意使用此類技術可能會導致問題。不同司法管轄區的法律各不相同。使用者可能會因生成深度偽造影片而面臨訴訟或監管行動。

使用者必須瞭解這些危險。他們應該負責任地使用 Deep Live Cam。實施保護措施會有所幫助。為 deepfake 內容新增水印是一個步驟。在使用肖像前徵得同意至關重要。這些措施可以減少潛在的濫用。

另請閱讀： 深度偽造應用和簡介

小結

Deep Live Cam 讓即時換臉和 Deepfake 影片的建立變得簡單，即使只需最低限度的技術技能。雖然這對創作者和教育工作者來說是一個強大的工具，但它的易用性也引發了嚴重的擔憂。濫用的可能性是真實存在的，如身份盜竊、錯誤資訊或隱私侵犯。因此，負責任地使用這項技術非常重要。一定要徵得同意，新增水印等保障措施，避免欺騙性使用。Deepfake 工具可以激發創造力，但必須謹慎使用。