DeepFaceLive 中文使用教程

一、项目速览

入门 · 1 分钟版

DeepFaceLive 是一个实时人脸替换工具，能在 PC 直播或视频通话过程中，将你的面部实时替换成另一个人的脸。它基于深度学习模型，在本地 GPU 上运行，延迟控制在可接受范围内。

一句话判断：如果你需要「在直播/视频会议中换成另一张脸实时出镜」，这个项目是目前唯一成熟的开源方案。但如果你只是想做离线视频换脸，请直接去看 DeepFaceLab。

作者视角：DeepFaceLive 是 DeepFaceLab 的实时分支，两者共享模型格式。这意味着你可以在 DeepFaceLab 里训练一个高精度的换脸模型，然后导出给 DeepFaceLive 做实时推理。但反过来不行——DeepFaceLive 不能训练模型，它只负责「跑」。

核心受众：直播主播、视频会议整活玩家、AI 特效爱好者。对硬件要求较高，需要一张 DirectX 12 兼容的独立显卡（推荐 RTX 2070 以上）。

二、核心功能与架构

进阶 · 推荐细读

功能一：实时摄像头换脸

它是什么：DeepFaceLive 读取你的摄像头画面，检测人脸，将预先训练好的面部模型（.dfm 文件）叠加到你的脸上，输出替换后的画面。整个过程在本地完成，不需要上传数据到云端。

它解决什么问题：传统换脸需要离线渲染数小时，DeepFaceLive 把延迟压到 200-500ms，让换脸能用于直播、视频通话这类实时场景。

谁最该用：想在 OBS 直播或 Zoom 会议中实时换脸的主播/玩家。

功能二：视频文件换脸

它是什么：除了摄像头，DeepFaceLive 也可以加载一个视频文件，将其中的人脸替换后输出到窗口或保存为文件。

它解决什么问题：如果你有一段录制好的视频需要快速换脸，又不想等 DeepFaceLab 渲染几小时，可以用 DeepFaceLive 做低质量快速预览，确认效果后再用离线方案精修。

谁最该用：需要快速出片验证效果的内容创作者。

架构一句话

DeepFaceLive = 摄像头/视频输入 → 人脸检测器（RetinaFace） → 面部对齐 → 换脸模型推理（ONNX Runtime + DirectML） → 画面融合输出。所有推理在 GPU 上完成，CPU 负责画面处理和 UI。

作者视角：这个项目的架构有一个隐藏门槛——它依赖 DirectML（微软的 DirectX 12 机器学习加速），所以只支持 Windows 10/11。Linux 和 macOS 用户无法直接使用。如果你用 Linux 做开发，需要跑在 Windows 虚拟机或双系统上。

三、动手实践

入门

环境准备

DeepFaceLive 不需要手动安装 Python 环境，作者提供了预编译的 Windows 安装包。这是最省事的方式：

# 从 GitHub Releases 下载最新版
# 访问 https://github.com/iperov/DeepFaceLive/releases
# 下载 DeepFaceLive_xxx_win64.7z
# 解压到不含中文和空格的路径，例如 D:\DeepFaceLive

解压后，以管理员身份运行 run.bat。首次启动会弹出命令窗口加载模型，后续打开主界面。

最小可运行示例

假设你已经下载了项目自带的示例模型（在 models/ 目录下）：

打开 DeepFaceLive，在 Source 区域选择 Webcam，选你的摄像头
在 Face model 区域点击 Load model，选择 models/ 目录下的 .dfm 文件（例如 Keanu_Reeves.dfm）
点击 Start 按钮
面对摄像头，你应该能在预览窗口中看到自己的脸被替换成模型的脸

预期效果：画面延迟约 0.3-1 秒，面部轮廓基本贴合，但细节（特别是侧脸、遮挡、快速转头时）会有明显瑕疵。

常见踩坑

坑 1：启动报错 D3D12_CORE not found
原因：显卡不支持 DirectX 12。检查你的显卡是否支持 DX12，老显卡（GTX 900 系列以下）基本没戏。更新显卡驱动到最新版。

坑 2：画面卡死或黑屏
原因：虚拟内存不足。项目要求 32GB+ 页面文件。设置方法：系统属性 → 高级 → 性能设置 → 高级 → 虚拟内存 → 自定义大小，设为 32768 MB（32GB）。

坑 3：模型加载失败，提示 ONNX Runtime error
原因：模型文件损坏或版本不匹配。重新下载模型，确保 .dfm 文件是 DeepFaceLab 2.0 格式，不要混用旧版。

四、进阶玩法

深入 · 老手可选

使用自定义模型

DeepFaceLive 只能使用 .dfm 格式的模型，这需要你先用 DeepFaceLab 训练一个换脸模型，然后导出为 DFM 格式。

导出命令（在 DeepFaceLab 目录下运行）：

# 假设你的 DeepFaceLab workspace 里有训练好的模型
# 运行 export DFM.bat (Windows 批处理文件)
# 或者手动执行：
python main.py --export-dfm --model-dir workspace/model --output model.dfm

将生成的 model.dfm 放到 DeepFaceLive 的 models/ 目录下，重启软件即可加载。

配置 OBS 直播推流

DeepFaceLive 支持输出到虚拟摄像头（OBS Virtual Camera），配合 OBS 做直播：

安装 OBS Studio 和 OBS Virtual Camera 插件
在 DeepFaceLive 的 Output 区域选择 OBS Virtual Camera
启动 DeepFaceLive
在 OBS 中添加「视频捕获设备」，选择 OBS Virtual Camera
即可在 OBS 中看到换脸后的画面，进行推流

性能调优参数

在 config.ini 中（位于 DeepFaceLive 根目录），可以调整推理参数：

[performance]
# 降低分辨率以提升帧率（默认 320）
face_resolution = 256
# 跳帧策略：0=不跳帧，1=每帧处理，2=隔帧处理
frame_skip = 1
# 启用半精度推理（需要显卡支持）
use_fp16 = true

作者视角：frame_skip = 1 在大多数场景下是平衡点——画面看起来还是流畅的，但 GPU 负载能降 30-40%。如果你只是做视频通话（不是直播），可以开到 2，帧率会降到 15fps 左右但 GPU 温度友好很多。

五、判断与建议