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。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 directory Frame pro…
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。
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 missingDeep-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。
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"。
请从项目官方仓库下载以下模型文件：
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。
Deep-Live-Cam 在启动时会执行以下检查流程：
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
根据你的硬件条件，推荐以下配置方案：
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：
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。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML 转 Markdown在线工具，online
通过删除不必要的空白来缩小和压缩JSON。 在线工具，JSON 压缩在线工具，online