설치

이 방법은 컴퓨터에서 작동할 가능성이 더 높지만 CPU를 사용하므로 더 느립니다.

1. 플랫폼 설정

• Python (3.14 권장, 3.11-3.14 지원)
• pip
• git
• ffmpeg - iex (irm ffmpeg.tc.ht)
• Visual Studio 2022 Runtimes (Windows)

2. 저장소 복제

git clone --depth 1 https://github.com/hacksider/Deep-Live-Cam.git
cd Deep-Live-Cam

3. 모델 다운로드

1. gfpgan-1024.onnx
2. inswapper_128_fp16.onnx

이 파일들을 "models" 폴더에 넣으세요.

4. 종속성 설치

문제를 방지하기 위해 venv 사용을 적극 권장합니다.

Windows의 경우:

python -m venv venv
venv\Scripts\activate
pip install -r requirements.txt

Linux의 경우:

# Ensure you use the installed Python 3.14
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

macOS의 경우:

Apple Silicon(M1~M5)에는 특정 설정이 필요합니다:

# Install Python 3.14
brew install [email protected]

# Install tkinter package (required for the GUI)
brew install [email protected]

# Create and activate virtual environment with Python 3.14
python3.14 -m venv venv
source venv/bin/activate

# Install dependencies
pip install -r requirements.txt

** 무언가 잘못되어 가상 환경을 다시 설치해야 하는 경우 **

# Deactivate the virtual environment
rm -rf venv

# Reinstall the virtual environment
python -m venv venv
source venv/bin/activate

# install the dependencies again
pip install -r requirements.txt

# gfpgan and basicsrs issue fix
pip install git+https://github.com/xinntao/BasicSR.git@master
pip uninstall gfpgan -y
pip install git+https://github.com/TencentARC/GFPGAN.git@master

실행: GPU가 없다면 python run.py를 사용하여 Deep-Live-Cam을 실행할 수 있습니다. 최초 실행 시 모델(약 300MB)이 다운로드된다는 점에 유의하세요.

GPU 가속

CUDA 실행 공급자(Nvidia)

1. CUDA Toolkit 12.8.0 설치
2. CUDA 12.x용 cuDNN v8.9.7 설치 (onnxruntime-gpu에 필요):
   • CUDA 12.x용 cuDNN v8.9.7 다운로드
   • cuDNN bin 디렉터리가 시스템 PATH에 있는지 확인
3. 종속성 설치:

pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
pip uninstall onnxruntime onnxruntime-gpu
pip install onnxruntime-gpu==1.26.0

3. 사용법:

python run.py --execution-provider cuda

CoreML 실행 공급자 (Apple Silicon)

Apple Silicon(M1~M5) 전용 설치: