Deep-Live-Cam 模型配置指南：GFPGAN 与 inswapper 安装步骤
在启动 Deep-Live-Cam 时，若提示模型文件缺失，程序将无法正常运行。本文介绍如何配置 GFPGAN 与 inswapper 两个核心模型。
常见错误提示
若出现以下错误，说明缺少必要的模型文件：
GFPGANv1.4.pth: No such file or directoryFrame processor face_swapper not foundmodels/inswapper_128_fp16.onnx missing
Deep-Live-Cam 依赖于 GFPGAN 和 inswapper 两个核心模型来实现实时人脸交换和视频深度伪造功能。
核心模型说明
GFPGAN 模型 - 人脸增强
- 文件名: GFPGANv1.4.pth
- 大小: 约 348MB
- 功能: 专门负责面部修复和增强，让生成的人脸更加自然清晰
inswapper 模型 - 人脸交换
- 文件名: inswapper_128_fp16.onnx
- 大小: 约 54MB
- 功能: 实现实时的人脸替换操作
目录结构配置
模型文件的存放位置至关重要，请严格按照以下结构创建：
Deep-Live-Cam/
├── models/
│ ├── GFPGANv1.4.pth
│ └── inswapper_128_fp16.onnx
├── modules/
│ ├── run.py
│ └── 其他项目文件...
关键要点：models 目录必须与 run.py 文件在同一层级，目录名称必须为小写的"models"。
模型文件获取
请从项目官方仓库下载以下模型文件：
- GFPGANv1.4.pth - 人脸增强模型
- inswapper_128_fp16.onnx - 人脸交换模型
验证配置
完成模型文件放置后，启动程序进行验证：
python run.py
如果看到软件界面正常显示，并且可以正常使用各项功能，说明模型配置成功。
模型加载机制
Deep-Live-Cam 在启动时会执行以下检查流程：
- 扫描 models 目录 - 程序首先检查 models 目录是否存在
- 验证模型文件 - 确认两个核心模型文件都已就位
- 加载模型到内存 - 根据你的硬件配置选择合适的执行提供者
在 modules/processors/frame/core.py 中，模型加载的核心逻辑如下：
def load_frame_processor_module(frame_processor: str):
# 导入对应的模型处理器模块
# 验证模块接口完整性
# 返回可用的处理器实例
常见问题解决
问题 1：程序启动后立即退出
- 原因: 缺少 GFPGAN 模型文件
- 解决: 确保 GFPGANv1.4.pth 文件放置在 models 目录下
问题 2：人脸交换功能无法使用
- 原因: inswapper 模型文件缺失或损坏
- 解决: 重新下载并替换模型文件
问题 3：运行速度缓慢
- 原因: 模型文件未正确加载到 GPU
- 解决: 检查 CUDA 配置，确保使用正确的执行提供者
性能优化建议
根据你的硬件条件，推荐以下配置方案：
入门级配置（集成显卡或低端 CPU）
- 使用 CPU 模式执行
- 适当降低处理分辨率
- 预期性能：5-10 FPS
主流配置（独立显卡 6GB 显存）
- 启用 CUDA 加速
- 使用中等质量设置
- 预期性能：25-30 FPS
高性能配置（高端显卡 12GB+ 显存）
- 全质量模式运行
- 支持高分辨率处理
- 预期性能：60+ FPS
总结
通过以上步骤，你已经掌握了 Deep-Live-Cam 模型配置的核心技巧。记住这几个关键点：
- 目录位置 - models 目录与 run.py 同级
- 文件名称 - 保持原始文件名不变
- 完整性检查 - 确保两个模型文件都完整无缺
现在，你可以体验 Deep-Live-Cam 带来的实时人脸交换和视频深度伪造功能了。
