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
