【免费开源】实时换脸工具，一共两版，根据需求自取

还在DeepFace架构找那种傻瓜图片一键换脸的，请看完这篇文章后再来阅读此帖

DeepFace生态的工具和相关的技术资料在自媒体平台、社区论坛上早就已经开源，基础的操作教程也随处可见，基础的常识和原理去白嫖就行了。很多时候相信DeepFace架构还能一键换脸实现高特征还原的，根本原因就是急于求成，信息也主要来自夸大效果的营销频道、营销号，这种地方是白嫖不到什么有价值的信息的，与其反复被喂信息，不如主动去一点一点的了解底层逻辑，不然只会让你在被洗脑，被割的路上越走越远，所以远离这些夸大效果的营销号就行了。

功底扎实的没人会把一些基础的入门操作当商品售卖，有过经验的都清楚，服务新手客户不是在扯皮、就是在扯皮的路上，除非他干的是一锤子买卖，俗称“割现”，围绕自身技能建立稳固的小生态，打磨一件事到细分领域，赚圈子持续送上门的钱，肯定比贩卖技术更长久。

总结来说，能换≠能用≠能过审，你比我清楚用这个东西准备拿来干嘛

本站上架的工具和科普也都是基于能过审为最终目来筛选与讲解，和我们合作几个友商有一半的人是自己钻研，都是花了大量的时间和精力在各种论坛也包括本站持续的白嫖经验，毕竟做高客单复购赛道，基础功底扎实是第一门槛，功底扎实心态稳，可扩展的方向就越多，解决的需求也就越多，但这类人也只在少数，如果你对自己的炼丹效果有自信，完全可以加我们的炼丹小群互相交流，没有什么SB门槛费，简单审核就能一起玩，也增加了一起合作的机会。
如果有人觉的这块繁琐、麻烦，这里难那里不好突破、不想死磕，那么站长好言奉劝这类想一步登天的朋友，尽早放弃，高客单的行业并不适合你，去其他走量的赛道。

大道理不讲，我们进入正题：

DeepFaceLive原版项目；GitHub：

 https://github.com/iperov/DeepFaceLive

DeepFaceLive汉化二开版本：

链接：https://pan.baidu.com/s/1YbRoD0xkPTOAHXnmaxGuwA?pwd=chbx
提取码：chbx

Rope直播版：

https://mega.nz/file/CN1XUQyT#GBf1Jms42_g_sbKWz8Uz2H3R5CN9fQ441_zpt5HhbN0

特别注意：
一、Rope直播版可以理解为DeepFace系列的轻量化版本，对比DeepFaceLive资源优化会好一些，同样的显卡较DeepFaceLive延迟会比较低，但仅限于动作幅度小的KYC场景，如果涉及直播涩播等大幅度动作的处理上会很拉跨，容易出现面皮乱飞的情况，所以直播场景还是老老实实用DeepFaceLive
（所有的AI工具都是这样，一分算力一分效果，所有打着“优化”“资源占用少”旗号的工具基本都是阉割版，有得必有损，所以尽量折腾满血版本的）

二、两版都有适配50系显卡的版本（分享的为40系一下的稳定版），但50系不建议用，受限于50系Blackwell除了帧率，其他方面的优化并没有很明显，实测SAEHT/DFD的处理上甚至不如40系，主要是因为 50 系的发布是SD和ComfyUI崛起的阶段，大多以个人开发者和独立玩家为主，SD崛起后这些工具基本上都开源了，所以也就没有经过足够规模的商用测试，稳定性也就对比40系稍差，如果你不差预算，50系无脑入也没啥问题。

三、手里有AMD显卡的建议也换掉，不管是ComfyUI还是DFL，稳定性对比N卡差的太远了，排错修补浪费掉的时间不如一步到位N卡，目前的主流AI项目都是基于N卡的 CUDA 生态

四、和SD生态不同，运行DFL生态的工具CPU也要跟得上，如i5无AVX512，解码延迟、帧率也可能会掉的很严重。

主要来说说DeepFaceLive【大部分论坛和贴子简称DFlive】的安装和使用：

对有预算的团队来说买显卡比租要节省成本，只要60系还没出，显卡不用就可以转售或零售，租则是真金白银的每日固定损耗。

DFlive具体性能要求和你摄像头分辨率、模型分辨率有关。基础的3090显卡，跑1080p摄像头实时换脸，模型分辨率256，可以做到每秒30帧的输出，这种KYC也就足够了（3090跑DeepFacelab时间会很长，DeepFaceLab可以用云显，目前是性价比比较高的投入方案）

如果你是直播团队，准备长期订购日抛周抛模型，消费级显卡就一步到位4090 48G，批量的话建议考虑我们小店的显卡坞方案：https://shop.saiface.xyz/?cid=72 更具性价比。

软件使用
1. 调整中文界面

软件是开源免费的，我分享的第二个是自带中文版本，中文部分是旧开发团队汉化的。所以不要听信有些黑商打着XX自研的旗号，卖套壳付费汉化版本。
默认打开是英文界面，按下图所示，在菜单栏language中选择汉语，即可切换到熟悉的中文界面

2. 基本流程
软件基本流程就3个，选择输入，设置AI换脸运行参数，选择输出。完整流程和界面分区内容如下图所示
其中有2个模块比较特别，就是有个带Insight字样的人脸交换器，和人脸照片驱动器。这两个可以一开始忽略，后面遇到再说。这两个模块实际是其他的换脸算法，实现一张图换脸和让一张图跟随你表情变化的功能。
我们主要先了解deepfacelive正统流程，即如何用deepfacelab训练好导出的DFM格式模型，来实现实时换脸效果

3. 输入设置
dflive支持本地文件输入或本地摄像头输入，通过切换左上角的开关来进行切换
本地文件支持图片文件夹或视频文件作为输入，前者方便你使用dfl切好的序列帧

摄像机有3个选项
驱动根据你实际情况选，没什么技巧，就看选了哪个更流畅就用哪个
设备序号就是选摄像头
分辨率按需选择，如果画面方向倒了，在选择摄像头后，有旋转按钮可以调节

3. 人脸检测器设置

各个参数意思如下
检测器：选择人脸检测算法，yoloV5和S3FD两个最常用。前者速度快但不准，后者速度略慢但精准
设备：选择什么硬件设备来运算。一般就选你的显卡。如果你有多个显卡，可以分配不同显卡做不同的模块计算工作。其他节点模块的设备选择方式一样，不再重复描述
检测器窗口大小：这个值越大，能识别到人脸尺寸约宽容，但速度越慢。一般200-300足够。如果画面有人脸却检测不到，增大这个值
检测置信阈值：一般默认值就行。高了可以过滤一些非人脸物件
最大人脸数：选择需要同时换画面上几个人脸。一般为1
排序：选择多个人脸中目标人脸的方法，比如选最大、最左、最中等等
时间维度上平滑：减少每帧之间人脸检测的尺寸波动。一般1就行，开太大会导致音画延迟增加

4. 人脸对齐器

这里参数只需要调节人脸覆盖范围和分辨率两个值，其他值基本用不到
分辨率调整成和你加载的换脸模型一致。一般加载模型后会自动调整这个值，不需要手动改。如果没自动变，就手动改一下
人脸覆盖范围保持默认值不变就行，只有当特殊情况，比如人脸特别肥大，或特别瘦的时候（相机焦距超出寻常范围），可以微调下这个值适配下。

4. 人脸标记器

这里参数默认选Google Facemesh就行，又快又准

5. 人脸交换器

这里模型就是选择已经做好的dfm格式模型
dfm格式模型实际就是deepfacelab的模型，但需要通过deepfacelab自带的这两个脚本来转化格式
通常大家说 DF架构和liae架构都是属于SAEHD模型，用“export SAEHD as dfm.bat”来转格式
如果你训练的是AMP模型，就用另一个脚本来转

转化得到的dfm格式模型，会在deepfacelab的workspace/model目录下，手动移动到deepfacelive目录下userdata/dfm_models中，即可在dflive软件里可见
软件模型有一堆英文名字的模型列表，这些模型并不是本地已安装的，使用后会自动开始从官方仓库进行下载。但由于科学上网原因，国内下载会失败。

至于dfm模型自己怎么去训练制作，就移步到B站或youtube参考各路妖魔鬼怪的教程慢慢吸收练习，此栏目的相关内容也自然能看懂了。

6.人脸融合器

人脸XY方向偏移：基本用不到，除非你的五官位置异于常人，需要调节下换上去的脸的坐标位置
人脸缩放：挺有用，如果你脸庞太大，可以适当用这个参数放大换上去的脸，显得更匹配
人脸遮罩类型：使用dst还是src的遮罩信息。默认勾选前2个就好
遮罩内向缩边：同deepfacelab合成参数里的向内缩边erode，一般开15
遮罩边缘羽化：同deepfacelab合成参数里的边缘羽化blur，一般开15-25
色彩迁移：一般用rct做色彩迁移。如果模dfm模型本身光影效果好，这个可以选none
插值：图像缩放用的插值计算法，保持默认bilinear

7.视频流输出

源：选择窗口显示的画面，可以选择很多模式。最常用是“合成后画面”与“合成后画面否则原帧”，前者遇到画面没有人脸时，画面会卡住不动；后者画面没检测到人脸时，输出原始画面
窗口显示：把输出画面用单独一个窗口来显示
音画延迟：本地使用用不到，填0。只有当你用udp方式直接推流直播端口时，需要用到此参数。国内直播基本用不着，可以通过obs、直播伴侣等软件来实现推流
保存序列帧：如果需要把输出画面逐帧保存，可以在这里设置一个保存路径。如果不需要，就留空。注意保存图片是很费时的，开启后基本实现不了实时直播
补帧：换脸速度跟不上时，使用用补帧方式来生成未计算出来的画面帧，开启补帧显卡算力要跟得上，低于4090 48G都不建议开，不然会更卡。

8.预览区

这个没什么好说的，就是看效果的

软件操作属于比较简单的，基本默认参数就可以用，选一个模型就行。
对很多刚入门的朋友来说，最让人头疼的其实是 DFM 模型的制作。也不用被那些看似高大上的新名词吓到，大部分的新名词指的是环境和依赖的配置，这种东西你只要配置好了是永久在你的电脑上稳定使用的。
配置确实需要花点时间，但如果研究明白，ComfyUI生态基本上就可以做到手到拈来，这是理解整个体系的第一步。

前文提到过，图片换脸之所以高效，是因为它只替是不计效果的替换局部五官区域；而 DFM 的逻辑则完全不同，它会对整张脸部面皮特征进行拟合。
结构上看DFM 模型的生成过程，其实就是将多角度的视频素材逐帧拆解，再通过合成、重构生成模型，这样说可能就会更好的理解了吧。

对于初学者来说，最合理的路径并不是一上来就纠结参数或特征细化，操作步骤和流程都是固定的，所以先把基础流程玩明白，
素材准备、帧数据处理、模型生成，这些环节都跑通之后，再去深入研究特征还原、数据集参数优化等问题
这才是一个正常的钻研路径

禁止违规使用或商用，下载本站资源即视为同意本站所有协议，请下载后一小时内删除