Deepfacelab中文版下载 v2.0 汉化增强版

软件介绍

Deepfacelab最新版是一款在国外非常出名的AI换脸软件，这款软件非常适合在恶搞的时候进行使用。我们可以通过Deepfacelab中文版来将图片和视频中的人脸进行更换，从而换成你需要的人脸，并且这款软件能够保证更换人脸之后毫无任何破绽。

Deepfacelab最新版采用目前最为先进的人脸识别技术，我们只需要简单的几步就可以完成人脸的更换。而且Deepfacelab汉化增强版还拥有非常强大的智能化处理功能，能够在更换人脸之后对脸部细节进行处理，从而制作出完美的照片。

Deepfacelab最新版软件特色

1、安装方便，环境依赖几乎为零，下载打包 app 解压即可运行（最大优势）

2、添加了很多新的模型

3、新架构，易于模型实验

4、人脸图片使用 JPG 保存，节省空间提高效率

5、CPU 模式，第 8 代 Intel 核心能够在 2 天内完成 H64 模型的训练。

6、全新的预览窗口，便于观察。

7、并行提取

8、并行转换

9、所有阶段都可以使用 DEBUG 选项

10、支持 MTCNN，DLIBCNN，S3FD 等多种提取器

11、支持手动提取，更精确的脸部区域，更好的结果。

模型介绍

H64 (2GB+)

64像素模型，和fakeapp，FaceSwap等相似，但是做了一些改进，使用低配置参数可以在低显存的情况下运行。

H128 (3GB+)

128像素模型，和h64类似，但是像素更高，随之细节更加丰富。适合3~4G显存。比较适合扁平的亚洲脸型

DF (5GB+)

全脸型的H128模型，强烈建议不要在SRC表面混合各种光照条件。

LIAEF128 (5GB+)

结合了DF, IAE的改进型128全脸模型，模型试图将SRC面变形为DST，同时保持SRC面特征，但变形幅度较小。模型存在闭眼识别问题。

SAE ( minimum 2GB+, recommended 11GB+ )

风格化的编码器，基于风格损失的新型优秀模型。通过神经网络直接完成变形/风格化。对于有障碍物的脸部也就较好的重建。

Deepfacelab最新版使用教程

Deepfacelab最新版怎么画遮罩？

首先我们要明白Mask的意思，从字面意义来看Mask是口罩、面具的含义。要知道Mask的用法很广，无论是网页还是在Photoshop，After Effects都是绕不过去的进阶功能，在DeepFaceLab上Mask也有同样的用处。如果没有Mask会如何呢。

假如不用遮罩：本身dst是戴眼镜的，那么src换出来之后也是没有眼镜，而眼镜腿还在两边，效果自然不佳。

用了遮罩止以后就会看到眼镜出来了。

当然，这只是遮罩的一个很小的应用场景，要知道AI换脸中要处理的问题有很多，比如边缘越是平滑就越好融合，这个时候只要预处理一下aligned就可以极大的提高效率。

更不要说这种特效处理，假设dst中演员的眼睛和脸颊嘴巴需要做特效处理，类似上图，假如不进行遮罩处理，那么换出来之后就会比较尴尬，不会出现上图中眼睛暴起、牙齿损坏、脸颊凹陷等待效果。

常见问题

1、人脸素材需要多少？

尽量不要少，因为它是有限的且需要被替换的素材，根据各软件的脸图筛选规则和网上大神的建议，总体来说，SRC脸图最好是大概700~3999的数量，像Deepfacelab的作者，他就认为1500张够了。对于SRC，各种角度、各种表情、各种光照下的内容越多越好，很接近的素材没有用，会增加训练负担。

2、手动对齐识别人脸模式如何使用？

回车键：应用当前选择区域并跳转到下一个未识别到人脸的帧

空格键：跳转到下一个未识别到人脸的帧

鼠标滚轮：识别区域框，上滚放大下滚缩小

逗号和句号（要把输入法切换到英文）：上一帧下一帧

3、MODEL是个什么东西？

MODEL是根据各种线条或其他奇怪的数据经过人工智能呈现的随机产生的假数据，就像PS填充里的“智能识别”，你可以从 https://affinelayer.com/pixsrv/ 这个网站里体验一下什么叫MODEL造假

4、MODEL使用哪种算法好？

各有千秋，一般Deepfacelab使用H128就好了，其他算法可以看官方在GitHub上写的介绍：https://github.com/iperov/DeepFaceLab

5、Batch Size是什么？要设置多大？

Batch Size的意思大概就是一批训练多少个图片素材，一般设置为2的倍数。数字越大越需要更多显存，但是由于处理内容更多，迭代频率会降低。一般情况在Deepfacelab中，不需要手动设置，它会默认设置显卡适配的最大值。根据网上的内容和本人实际测试，在我们这种64和128尺寸换脸的操作中，越大越好，因为最合理的值目前远超所有民用显卡可承受的范围。