Deep-Live-Cam 是 GitHub 上最热门的实时换脸开源项目之一：仓库 hacksider/Deep-Live-Cam 目前约 96.5k star、14.1k fork、79 位贡献者，代码 100% 由 Python 编写，采用 AGPL-3.0 协议。它的核心能力一句话能说清：只用一张人脸照片，就能在摄像头画面或视频里实时替换人脸。最新版本 2.7 Ultimate 于 2026 年 8 月 1 日发布；不想折腾环境的用户可以直接用官方预构建版本（Windows、macOS Apple Silicon、CPU、NVIDIA、AMD 均有），本项目唯一的官网是 deeplivecam.net。
核心功能
- 单图实时换脸：选择一张源人脸照片，再选择摄像头或目标视频，即可开始实时替换；
- Mouth Mask（口型保留）：只替换脸部其他区域、保留本人原本的口型动作，解决换脸后口型与声音对不上的问题；
- Face Mapping（多脸映射）：同一画面中的多个人脸可以分别映射不同的目标脸，适合多人出镜场景；
- 直播与视频模式：webcam 模式可直接用于直播推流（配合 OBS 等采集工具），也可以对已有视频文件做离线替换。
技术链路
换脸流程分三段。先用 insightface 的人脸检测模型定位并对齐人脸；再用 inswapper 模型完成人脸替换；最后用 GFPGAN 对人脸区域做画质增强，让边缘与细节更自然。推理部分基于 onnxruntime，因此可以灵活选择硬件后端：
- NVIDIA GPU：CUDA Toolkit 12.8 + cuDNN 8.9.7，配合 onnxruntime-gpu；
- Apple Silicon：CoreML 执行后端，M1–M5 全系支持；
- Windows 任意 GPU：DirectML；
- Intel 平台：OpenVINO（需与 onnxruntime-openvino 版本一一对应）；
- 无 GPU：纯 CPU 也能运行，速度较慢。
需要留意的是，项目依赖的 insightface 模型官方注明仅限非商业研究用途，商用前要先厘清授权。
本地部署
手动安装流程不复杂：需要 Python 3.11–3.14（官方推荐 3.14）、git 与 ffmpeg；克隆仓库后，从 Hugging Face 下载 gfpgan-1024.onnx 与 inswapper_128_fp16.onnx 两个模型文件放入 models 目录；安装依赖后运行 python run.py 即可。首次运行会自动下载约 300MB 的模型权重。webcam 模式下点击 Live 后约 10–30 秒出现预览画面；处理视频的输出会保存到以目标视频命名的目录。官方还提醒：除 GitHub 仓库与 deeplivecam.net 之外，其他渠道下载的版本都可能是冒牌货。
风险与合规边界
这个项目从 2024 年 8 月起就登上过 Ars Technica、Bloomberg、CNN、PetaPixel 等媒体，关注点高度一致：实时换脸把身份冒充的成本降到了「一张照片」，可用于视频通话诈骗与伪造影像。项目方在 README 中声明，本工具面向 AI 生成媒体行业的正当用途（角色动画、内容创作、服装设计），内置了不当内容拦截（色情、血腥、战争素材等不予处理），并保留依法关停项目或强制加水印的权利。
对使用者，项目方给出了三条明确规则：使用真实人物的面部前必须获得本人同意；对外分享换脸内容时必须明确标注为 deepfake；不得用于欺诈等违法用途。
结语
Deep-Live-Cam 把「实时换脸」从实验室带到了单张照片即可起步的开源工具：技术链路清晰（人脸识别 → 换脸 → 画质增强），部署门槛低（两个模型文件 + python run.py），硬件适配广（CUDA / CoreML / DirectML / OpenVINO / CPU）。它的模型授权与合规边界同样清晰——研究、影视与正当内容创作是适用场景，身份冒充与欺诈不在其中。用之前先想清楚这两点，再决定是否把它放进工具箱。