Deep Live Cam : outil open source d'échange de visages en temps réel par l'IA, une photo pour l'échange de visages en temps réel

Introduction générale

Deep Live Cam est un outil d'IA open source conçu pour permettre le remplacement de visages en temps réel et la génération de fausses vidéos à partir d'une seule photo. En utilisant des algorithmes avancés d'apprentissage profond, l'outil est capable de remplacer les visages en temps réel pendant les diffusions en direct ou les appels vidéo, en protégeant la vie privée des utilisateurs et en ajoutant de l'intérêt.Deep Live Cam prend en charge plusieurs plateformes, y compris le CPU, NVIDIA CUDA, Apple Silicon, etc. et convient à un large éventail de domaines tels que le divertissement, l'éducation, la création artistique et la publicité.

Liste des fonctions

• Remplacement des visages en temps réel : remplacement des visages en temps réel dans les vidéos à partir d'une seule photo.
• Prise en charge multiplateforme : compatible avec les principaux systèmes d'exploitation et plates-formes matérielles.
• Accélération GPU : Prise en charge de l'accélération NVIDIA CUDA pour améliorer la vitesse de traitement.
• Mécanisme d'audit du contenu : Mécanisme anti-abus intégré pour empêcher que la technologie ne soit utilisée dans des scénarios inappropriés.
• Code source ouvert : le code du projet est hébergé sur GitHub et peut être librement téléchargé et modifié par les utilisateurs.

Utiliser l'aide

Processus d'installation

1. Préparation de l'environnement: :
   • Assurez-vous que Python 3.10 ou une version ultérieure est installé.
   • Installer pip, git, ffmpeg et d'autres outils de développement.
   • Pour les utilisateurs de Windows, vous devrez également installer le moteur d'exécution Visual Studio 2022.
2. Clonage et configuration: :
   • Clonez le dépôt GitHub de Deep-Live-Cam dans votre environnement local :

     git clone https://github.com/hacksider/Deep-Live-Cam.git
     

   • Téléchargez les fichiers modèles nécessaires et placez-les dans le répertoire spécifié en suivant les directives de la documentation :
     • GFPGANv1.4
     • inswapper_128_fp16.onnx
3. Installation dépendante: :
   • Utilisez pip pour installer les bibliothèques de dépendances nécessaires au projet. Il est recommandé d'utiliser un environnement virtuel pour éviter les conflits de dépendances potentiels :

     pip install -r requirements.txt
     

4. programme de course: :
   • Lancez Deep-Live-Cam à partir de la ligne de commande :

     python run.py
     

   • Sélectionnez l'image source et la vidéo cible pour observer l'effet de permutation des visages en temps réel.
5. Accélération par le GPU: :
   • Les utilisateurs de GPU NVIDIA peuvent accélérer le processus d'échange de visages en installant le kit d'outils CUDA et en configurant les variables d'environnement appropriées :

     pip uninstall onnxruntime onnxruntime-gpu
     pip install onnxruntime-gpu==1.16.3
     python run.py --execution-provider cuda
     

Processus d'utilisation

1. Sélectionner l'image source et la vidéo cible: :
   • Après le démarrage du programme, sélectionnez une image contenant le visage souhaité et une image ou une vidéo cible.
2. début de la transformation: :
   • Cliquez sur le bouton "Start", le programme commence le traitement et affiche l'effet de changement de visage en temps réel.
3. Voir la sortie: :
   • Une fois le traitement terminé, ouvrez l'Explorateur de fichiers et naviguez jusqu'au répertoire de sortie sélectionné pour visualiser la vidéo d'échange de visages générée.
4. mode caméra: :
   • Sélectionnez un visage, cliquez sur le bouton "live" et attendez quelques secondes pour que l'aperçu s'affiche.
   • Streaming à l'aide d'un outil d'enregistrement d'écran, tel qu'OBS.

mise en garde

• Lors de la première exécution du programme, il se peut que vous deviez télécharger un fichier modèle d'environ 300 Mo, en fonction de la vitesse de votre connexion internet.
• Si vous souhaitez changer de visage, il vous suffit de sélectionner une autre photo et le mode de prévisualisation redémarre.

ressource (comme la main-d'œuvre ou le tourisme)

https://github.com/hacksider/Deep-Live-Cam