Deepfacelab中文版下載 v2.0 漢化增強版

軟件介紹

Deepfacelab最新版是一款在國外非常出名的AI換臉軟件，這款軟件非常適合在惡搞的時候進行使用。我們可以通過Deepfacelab中文版來將圖片和視頻中的人臉進行更換，從而換成你需要的人臉，并且這款軟件能夠保證更換人臉之后毫無任何破綻。

Deepfacelab最新版采用目前最為先進的人臉識別技術，我們只需要簡單的幾步就可以完成人臉的更換。而且Deepfacelab漢化增強版還擁有非常強大的智能化處理功能，能夠在更換人臉之后對臉部細節進行處理，從而制作出完美的照片。

Deepfacelab最新版軟件特色

1、安裝方便，環境依賴幾乎為零，下載打包 app 解壓即可運行（最大優勢）

2、添加了很多新的模型

3、新架構，易于模型實驗

4、人臉圖片使用 JPG 保存，節省空間提高效率

5、CPU 模式，第 8 代 Intel 核心能夠在 2 天內完成 H64 模型的訓練。

6、全新的預覽窗口，便于觀察。

7、并行提取

8、并行轉換

9、所有階段都可以使用 DEBUG 選項

10、支持 MTCNN，DLIBCNN，S3FD 等多種提取器

11、支持手動提取，更精確的臉部區域，更好的結果。

模型介紹

H64 (2GB+)

64像素模型，和fakeapp，FaceSwap等相似，但是做了一些改進，使用低配置參數可以在低顯存的情況下運行。

H128 (3GB+)

128像素模型，和h64類似，但是像素更高，隨之細節更加豐富。適合3~4G顯存。比較適合扁平的亞洲臉型

DF (5GB+)

全臉型的H128模型，強烈建議不要在SRC表面混合各種光照條件。

LIAEF128 (5GB+)

結合了DF, IAE的改進型128全臉模型，模型試圖將SRC面變形為DST，同時保持SRC面特征，但變形幅度較小。模型存在閉眼識別問題。

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

風格化的編碼器，基于風格損失的新型優秀模型。通過神經網絡直接完成變形/風格化。對于有障礙物的臉部也就較好的重建。

Deepfacelab最新版使用教程

Deepfacelab最新版怎么畫遮罩？

首先我們要明白Mask的意思，從字面意義來看Mask是口罩、面具的含義。要知道Mask的用法很廣，無論是網頁還是在Photoshop，After Effects都是繞不過去的進階功能，在DeepFaceLab上Mask也有同樣的用處。如果沒有Mask會如何呢。

假如不用遮罩：本身dst是戴眼鏡的，那么src換出來之后也是沒有眼鏡，而眼鏡腿還在兩邊，效果自然不佳。

用了遮罩止以后就會看到眼鏡出來了。

當然，這只是遮罩的一個很小的應用場景，要知道AI換臉中要處理的問題有很多，比如邊緣越是平滑就越好融合，這個時候只要預處理一下aligned就可以極大的提高效率。

更不要說這種特效處理，假設dst中演員的眼睛和臉頰嘴巴需要做特效處理，類似上圖，假如不進行遮罩處理，那么換出來之后就會比較尷尬，不會出現上圖中眼睛暴起、牙齒損壞、臉頰凹陷等待效果。

常見問題

1、人臉素材需要多少？

盡量不要少，因為它是有限的且需要被替換的素材，根據各軟件的臉圖篩選規則和網上大神的建議，總體來說，SRC臉圖最好是大概700~3999的數量，像Deepfacelab的作者，他就認為1500張夠了。對于SRC，各種角度、各種表情、各種光照下的內容越多越好，很接近的素材沒有用，會增加訓練負擔。

2、手動對齊識別人臉模式如何使用？

回車鍵：應用當前選擇區域并跳轉到下一個未識別到人臉的幀

空格鍵：跳轉到下一個未識別到人臉的幀

鼠標滾輪：識別區域框，上滾放大下滾縮小

逗號和句號（要把輸入法切換到英文）：上一幀下一幀

3、MODEL是個什么東西？

MODEL是根據各種線條或其他奇怪的數據經過人工智能呈現的隨機產生的假數據，就像PS填充里的“智能識別”，你可以從 https://affinelayer.com/pixsrv/ 這個網站里體驗一下什么叫MODEL造假

4、MODEL使用哪種算法好？

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

5、Batch Size是什么？要設置多大？

Batch Size的意思大概就是一批訓練多少個圖片素材，一般設置為2的倍數。數字越大越需要更多顯存，但是由于處理內容更多，迭代頻率會降低。一般情況在Deepfacelab中，不需要手動設置，它會默認設置顯卡適配的最大值。根據網上的內容和本人實際測試，在我們這種64和128尺寸換臉的操作中，越大越好，因為最合理的值目前遠超所有民用顯卡可承受的范圍。