快速结论
Deep-Live-Cam 是仍在维护的开源实时换脸项目，官方 canonical 应以 hacksider/Deep-Live-Cam GitHub 仓库为准。到 2026 年 7 月，仓库显示 2.1.6 文档主线，并提供 2026 年 5 月发布的 2.7 候选版本。它能用一张源人脸处理视频文件或摄像头画面，支持嘴部遮罩、多脸映射和多种 ONNX Runtime 执行后端。项目采用 AGPL-3.0，但这不等于所有依赖模型都允许商业使用：官方说明明确提示 InsightFace 相关模型用于非商业研究，商业项目必须另行核对模型、源图、目标视频和输出的全部权利。
这不是适合随手试别人照片的娱乐工具。只有在源脸本人明确同意、目标表演者和全部媒体已授权、用途与发布范围清楚、输出有醒目合成披露时，才应开始项目。严禁用于冒充公众人物或熟人、绕过身份验证、诈骗转账、骚扰、色情化、诽谤或操纵新闻。项目内置的敏感内容检查不能替代授权、人工审核、水印、访问控制、投诉和快速下架机制。
核心功能
- 单图人脸替换：选择一张源脸与目标图片、视频或摄像头画面即可处理，无需为每个身份训练专属模型。
- 文件与实时模式：文件模式生成新视频；摄像头模式可预览，官方文档建议等待约 10 至 30 秒，再通过 OBS 等屏幕采集工具输出。
- 嘴部遮罩与多脸映射：嘴部遮罩可保留原始嘴部运动，多脸与映射功能可处理多个主体，但遮挡、侧脸、快速运动和光线变化会降低稳定性。
- 硬件后端：基础 CPU 路径最容易安装但较慢；NVIDIA CUDA、Apple CoreML、Windows DirectML 和 Intel OpenVINO 需要匹配的运行库与驱动。
- 本地处理与编码：支持保留帧率、音频和临时帧，以及 H.264、H.265、VP9 等编码选项；本地运行有助于控制素材，但仍要保护模型、缓存和输出。
- 内容检查：项目声明会阻止裸露、血腥和敏感战争素材等不当媒体。该检查覆盖有限，不能证明某次换脸合法或已取得同意。
适合人群
- 使用自有演员、授权角色或本人肖像做舞台预演、视觉实验和艺术作品的技术创作者。
- 研究实时视觉合成、伪造检测或媒体素养，并有伦理审查和隔离数据集的团队。
- 能管理 Python 3.11、虚拟环境、FFmpeg、ONNX Runtime、驱动和模型文件的开发者。
- 为自有 IP 角色做内部原型、且不会误导观众是真实人物发言的制作团队。
- 不适合未成年人自行使用、匿名公开服务、约会或视频会议伪装、KYC 测试、公众人物模仿和任何未经同意的人脸素材。
使用场景
一个合规的创意项目应先建立素材清单：源脸授权人、目标演员、摄影素材、音乐、模型许可、输出渠道和保留期限。授权书要明确允许人脸合成，而不是把普通照片发布许可解释成换脸许可。测试时使用低分辨率、短片段和受控设备；通过后再提高分辨率，并逐帧检查边缘、牙齿、眼镜、手部遮挡、多人交叉和光照变化。发布时在画面和说明中标明“AI 合成/换脸”，不要只把披露藏在标签深处。
高风险场景应直接禁止：模拟银行、领导、亲属或政府人员的视频通话；要求验证码、转账或隐私数据；制作未成年人或公众人物的写实身份；报复、跟踪、色情化、诽谤和骚扰。团队应限制谁能上传源脸与导出，保留授权和操作日志，默认删除临时帧，给输出加持久标识，并公开可联系的举报邮箱。收到撤权或冒用投诉后，应冻结项目、保存证据、停止传播、删除源素材和派生物，并向已发布平台申请下架。
价格与版本
| 方案 | 费用 | 关键限制 |
|---|---|---|
| GitHub 源码 | 软件免费，AGPL-3.0 | 手动安装；硬件、电力和运维自付；模型许可另核对 |
| 官方仓库链接的预构建 Quickstart | 当前价格以其结算页为准 | 降低安装门槛，不改变素材授权与模型许可责任 |
| 自建 GPU 工作站 | 硬件与电力成本 | 性能较好，需要驱动、散热、存储与安全维护 |
旧页面列出的订阅金额和“领先版本”不应在未打开当前结算页时继续引用。即使购买预构建版，也不能获得他人肖像、声音或目标视频的使用权。商业项目尤其要注意：代码 AGPL-3.0 与基础人脸模型的非商业研究限制是两层不同许可，不能只看仓库许可证。
国内访问与使用体验
项目可本地运行，但安装需要 GitHub、Python 包、FFmpeg 和模型下载源可达。官方手动路径推荐 Python 3.11 与虚拟环境；首次运行还会下载数百 MB 模型。Windows 需匹配 Visual C++ 运行环境，macOS Apple Silicon 对 Python 与 CoreML 包版本较敏感，GPU 路径则要求准确匹配 CUDA、cuDNN 或其他执行后端。
CPU 适合功能验证，实时帧率通常有限；GPU 是否流畅取决于显卡、分辨率、同时处理人脸数、增强器和编码设置。不要承诺某型号一定达到固定 FPS，应使用目标摄像头和场景实测延迟、温度、显存和掉帧。中国大陆公开发布还应遵守深度合成标识、个人信息、肖像权和平台规则；本地运行并不会免除这些义务。
优点
- 源码开放、社区规模大，文件与摄像头两种工作流都可本地验证。
- 单张源图即可开始，不需要为每个人训练长时间模型。
- CPU、CUDA、CoreML、DirectML 和 OpenVINO 提供多硬件路径。
- 嘴部遮罩、多脸映射和编码选项适合受控的视觉实验。
- 官方文档直接要求取得真人同意并披露 deepfake，比完全忽略风险更负责。
不足
- 极易被用于身份冒充、欺诈、骚扰和非自愿性内容，风险高于普通视频编辑器。
- 手动安装涉及 Python、模型、FFmpeg、驱动和特定依赖版本，不适合新手。
- CPU 较慢，GPU 性能和稳定性受硬件、分辨率与画面条件影响。
- AGPL 代码许可不覆盖所有模型；InsightFace 模型的非商业研究限制会影响商业使用。
- 内置敏感内容检查无法判断肖像授权、公众人物冒用、诈骗语境或披露是否充分。
- 换脸边缘、侧脸、遮挡和多人运动可能产生明显伪影，不能替代专业 VFX。
替代品对比
| 工具 | 更适合 | 与 Deep-Live-Cam 的主要区别 |
|---|---|---|
| HeyGen | 授权数字人与营销视频 | 托管工作流更易用，但不提供同等本地实时换脸控制 |
| D-ID | API 会说话头像 | 偏图片驱动主持和集成，而非本地摄像头换脸 |
| Tavus | 个性化或实时数字人 | 企业 API 与交互场景更完整，采购与治理更重 |
| Runway | 生成式视频与画面编辑 | 创意视频工具更广，不以实时身份替换为核心 |
| Adobe Firefly | 商业创意生成与 Adobe 后期 | 更强调生成素材和工作流整合，不是直播换脸器 |
| Hour One | 企业培训主持视频 | 使用受管角色和模板，弱化实时换脸与本地部署 |
常见问题 FAQ
Deep-Live-Cam 是免费的吗？
源码免费，但硬件、电力、安装维护和可能的预构建版本需要成本。代码许可也不代表基础模型或输入素材可用于商业项目。
没有 GPU 可以运行吗？
可以使用 CPU 路径验证功能，但速度会更慢。实时体验应在目标分辨率、摄像头、人数和编码设置下实测，不能根据演示视频推断。
只用一张公开照片换脸可以吗？
不可以仅凭“公开可见”推定授权。应取得人脸本人的明确同意，并取得目标表演、视频、音乐和发布渠道所需权利。公众人物照片同样不能随意使用。
可以用于视频会议或直播吗？
只有所有参与者和观众不会被误导、身份与素材均获授权、平台允许且有醒目实时披露时才可能合适。不得用于隐藏身份、社交欺骗、考试、招聘、KYC 或财务操作。
内置内容检查能防止所有滥用吗？
不能。它主要过滤部分敏感媒体，无法验证同意书、识别欺诈意图或处理全部公众人物、未成年人、诽谤和骚扰语境。必须叠加人工和组织控制。
未成年人或名人的脸可以使用吗？
默认不要使用。未成年人需要更严格的监护授权、必要性和保护评估；公众人物不能被合成为虚假背书、新闻或私人内容。戏仿也应避免可预见的欺骗与伤害。
被换脸者要求下架时怎么办？
立即停止生成和传播，保存调查所需证据，冻结相关账号，删除源图、缓存与派生文件，并联系发布平台下架。向投诉人确认处理结果；涉及威胁、诈骗或性化内容时升级至法务、安全和适当机构。
总结
Deep-Live-Cam 是技术能力强、风险同样高的本地实时换脸项目。正确的试用顺序是先核对模型与素材许可，再取得具体同意，用受控样片测试 CPU/GPU 性能，最后建立披露、访问控制、日志、删除和下架流程。任何冒充、未成年人、公众人物、欺诈、骚扰或绕过身份验证的场景都不应进入实现阶段。