项目简介

最近有一个爆火的Github项目叫做 Deep-Live-Cam。它可以用 AI 技术在直播的时候，实时生成虚拟人脸。它的作用是让你在直播的时候，保护你的隐私，同时也可以让你看起来很酷(By 项目原作者)。这个项目特别适合那些喜欢直播又想保护自己隐私的人使用。

项目的代码托管在 GitHub 上。通过访问这个链接，可以查看详细的代码和文档(下载后进行本地部署)。
由于项目是英文的，在这里做一版中文教程，给后来人一些参考。关注心若为城，获得Github的前沿技术。

博主碎碎念，可跳过：
打算重新做做自己这个老号，高中时候开始做CSDN，那会儿写的是NOIP/NOI相关的算法东西，纯粹是写给自己看的；现在时隔多年，我也在清华站稳了脚跟，在互联网开发和量化交易领域都算是小有成就了。

接下来这个号（也许也不止这个号）应该会做三个方向:

1. AI新技术(或者不局限于AI)的抢先浏览，会向大家说明当下热点论文、热点技术的部署等，以及做一些周报或者日报。（类似于AI Weekly）

2. 量化交易相关，我在量化开发技术栈有着多年的开发经验，也拿过一些投资比赛的奖项。可以面向应届生给出就业规划，提供一些指导的同时分享一些含金量高的项目。

3. 互联网面试相关，我应该会着重于分享一些面试的底层技术面，并且尽可能和2进行一些结合，让大家同时能handle住两边的技术。

Deep Live Cam 部署教程

CPU版本如何安装？

基本安装

这可能会在你的计算机正常工作，但速度可能会很慢。你可以按照基本安装的说明进行操作（这通常通过 CPU 运行）

1. 设置你的平台

• python（推荐使用 3.10 版本）
• pip
• git
• ffmpeg
• Visual Studio 2022 (Windows）

2. 克隆代码库

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

3. 下载模型

1. GFPGANv1.4
2. inswapper_128_fp16.onnx

然后将这两个文件放到 “models” 文件夹中

4. 安装依赖

我们强烈推荐使用 venv 来避免问题。

pip install -r requirements.txt

完成！！！如果没有 GPU，你应该能够使用 python run.py 命令运行 roop。请注意，在第一次运行程序时，它会下载一些模型，这可能会根据你的网络连接速度需要一些时间。

继续使用 GPU 加速

1. 安装 CUDA Toolkit 11.8

2. 安装依赖：

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

3. 使用以下命令来验证：

python run.py --execution-provider cuda

CoreML （Apple Silicon）

1. 安装依赖：

pip uninstall onnxruntime onnxruntime-silicon
pip install onnxruntime-silicon==1.13.1

2. 使用以下命令验证：

python run.py --execution-provider coreml

CoreML（Apple Legacy）

1. 安装依赖：

pip uninstall onnxruntime onnxruntime-coreml
pip install onnxruntime-coreml==1.13.1

2. 使用以下命令验证：

python run.py --execution-provider coreml

DirectML（Windows）

1. 安装依赖：

pip uninstall onnxruntime onnxruntime-directml
pip install onnxruntime-directml==1.15.1

2. 使用以下命令验证：

python run.py --execution-provider directml

OpenVINO™（Intel)

1. 安装依赖：

pip uninstall onnxruntime onnxruntime-openvino
pip install onnxruntime-openvino==1.15.0

2. 使用以下命令验证：

python run.py --execution-provider openvino

如何使用？

注意：当你第一次运行这个程序时，它会下载一些约 300MB 大小的模型。

执行 python run.py 命令将启动如下窗口：

选择一个面孔（带有所需面孔的图像）和目标图像/视频（你想替换面孔的图像/视频），然后点击 Start。打开文件资源管理器并导航到你选择的输出目录。你会找到一个名为 <video_title> 的目录，你可以在其中实时查看帧交换。处理完成后，它会创建输出文件。这样就结束了。

对于摄像头模式

只需按照屏幕截图上的点击操作

1. 选择一个面孔
2. 点击 “live”
3. 等待几秒钟（通常需要 10 到 30 秒，预览才会显示）

具体视频可以看这里

只需使用你喜欢的屏幕录制工具进行流式传输，如 OBS

注意：如果你想更换面孔，只需选择另一张图片，预览模式将会重新启动（因此请稍等片刻）。

以下是额外的命令行参数。要了解它们的作用，请查看 此指南。

options:
  -h, --help                                               显示此帮助信息并退出
  -s SOURCE_PATH, --source SOURCE_PATH                     选择源图像
  -t TARGET_PATH, --target TARGET_PATH                     选择目标图像或视频
  -o OUTPUT_PATH, --output OUTPUT_PATH                     选择输出文件或目录
  --frame-processor FRAME_PROCESSOR [FRAME_PROCESSOR ...]  帧处理器（选择：face_swapper, face_enhancer, ...）
  --keep-fps                                               保持原始帧率
  --keep-audio                                             保持原始音频
  --keep-frames                                            保持临时帧
  --many-faces                                             处理每个面孔
  --video-encoder {libx264,libx265,libvpx-vp9}             调整输出视频编码器
  --video-quality [0-51]                                   调整输出视频质量
  --max-memory MAX_MEMORY                                  最大内存量（GB）
  --execution-provider {cpu} [{cpu} ...]                   可用执行提供者（选择：cpu, ...）
  --execution-threads EXECUTION_THREADS                    执行线程数量
  -v, --version                                            显示程序版本号并退出

如果想要 CLI 模式：使用 -s/–source 参数将使程序以 CLI 模式运行。

---

一些可能的踩坑:

1. 脸部出现黑色方块，解决方案:

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

2. 运行python run.py黑框卡住，可能是网络设置的问题，因为一些众所周知的原因可能需要Proxy。
3. 如果是windows系统，项目整合了setup的bat文件，可以尝试用bat文件进行一键安装。

致谢

• henryruhs：作为项目中不可替代的贡献者
• ffmpeg：让视频相关操作变得简单
• deepinsight：提供了一个制作精良的库和模型的 insightface 项目
• havok2-htwo：分享了摄像头代码
• GosuDRM：为 roop 提供了去除敏感内容的功能
• 以及 所有开发者：为项目中使用的库做出贡献的开发者们

原仓库:

Deep-Live-Cam