À propos du projet

Deep-Live-Cam est un outil open-source de face swap en temps réel et de deepfake vidéo. À partir d'une seule image de visage source, il peut remplacer les visages dans des flux de webcam en direct ou dans des images et vidéos préenregistrées, avec une sortie disponible presque instantanément. Le projet est conçu pour l'industrie des médias générés par IA, notamment l'animation de personnages personnalisés, la création de contenu et des travaux créatifs similaires. Le README inclut un avertissement d'usage éthique, précisant que les utilisateurs doivent obtenir le consentement lorsqu'ils utilisent le visage d'une personne réelle, étiqueter clairement la sortie deepfake lors du partage et respecter les lois applicables. Le logiciel revendique une vérification intégrée qui empêche le traitement de médias inappropriés tels que la nudité, le contenu graphique ou des éléments sensibles. Les développeurs indiquent qu'ils pourraient ajouter des filigranes ou arrêter le projet si la loi l'exige. Les fonctionnalités clés mises en avant dans le dépôt incluent : - Le face swap en direct via webcam avec un aperçu pouvant être diffusé via des outils comme OBS. - Le face swap sur images et vidéos, avec des résultats enregistrés dans un répertoire nommé d'après la vidéo cible. - Une option de masque de bouche pour conserver le mouvement original de la bouche. - Le face mapping pour appliquer différents visages à plusieurs sujets simultanément. - La prise en charge de nombreux visages dans une même image. - Un mode CLI via l'argument -s/--source pour un usage scripté. L'installation manuelle nécessite Python 3.11-3.14, pip, git, ffmpeg et, sous Windows, les runtimes Visual Studio 2022. Deux fichiers de modèle sont téléchargés depuis Hugging Face et placés dans un dossier models : gfpgan-1024.onnx et inswapper_128_fp16.onnx. Le projet recommande d'utiliser un environnement virtuel. Des instructions sont fournies pour Windows, Linux et macOS, y compris des étapes spécifiques pour Apple Silicon avec Python 3.14 et le paquet tkinter. L'accélération matérielle prend en charge plusieurs fournisseurs d'exécution : - CUDA pour les GPU NVIDIA, avec CUDA Toolkit 12.8 et cuDNN, via onnxruntime-gpu. - CoreML pour Apple Silicon, avec la version officielle d'onnxruntime. - CoreML legacy pour les appareils Apple plus anciens via onnxruntime-coreml. - DirectML pour les appareils Windows, y compris les GPU AMD. - OpenVINO pour le matériel Intel, avec des associations de versions spécifiques entre onnxruntime-openvino et OpenVINO. Les arguments en ligne de commande incluent source, target, output, la sélection du processeur de frames, keep-fps, keep-audio, many-faces, map-faces, mouth-mask, les options d'encodeur vidéo et de qualité, live mirror, live resizable, max memory, execution provider, execution threads et version. Le projet promeut également une version « Ultimate » préconstruite distincte, avec des fonctionnalités supplémentaires, des optimisations et un support prioritaire, disponible via son site officiel. Le dépôt crédite plusieurs projets open-source antérieurs, notamment insightface pour les modèles et le code de bibliothèque, roop comme projet antérieur de l'auteur de base, et divers contributeurs pour la prise en charge de la webcam, la gestion de plusieurs visages et les optimisations de plateforme. Il liste aussi une couverture presse de médias tels qu'Ars Technica, CNN Brasil, Bloomberg Technoz, TrendMicro et PetaPixel, ainsi que des réactions de streamers.