deepfakes_faceswap 项目说明

项目宣言

FaceSwap 的初衷在于推动 AI 技术的学习与实验。该项目最早由社区开发者整合成一套完整、可运行的代码库，使普通用户也能下载并动手实践深度学习算法，而无需具备数学、计算机理论等专业背景。

开发者强调以下几点原则：

• 不用于制作不当内容；
• 不用于在未经同意或刻意隐瞒的情况下替换人脸；
• 不用于任何违法、不道德或有争议的用途；
• 仅用于 AI 技术实验、社会或政治评论、影视制作以及其他合理合规的场景。

项目以零容忍态度对待任何滥用行为，并致力于在教学与合法换脸场景中发挥最大价值。

安装与运行环境

FaceSwap 是基于 Python 的跨平台程序，支持 Windows、Linux 和 macOS。运行前需要准备一块支持 CUDA 的现代 GPU 以获得最佳性能；Linux 下许多 AMD GPU 可通过 ROCm 获得支持。完整的安装步骤请参考 INSTALL.md。

工作流程概览

完整流程分为四步：先收集素材照片或视频，然后依次执行提取（Extract）、训练（Train）、转换（Convert），也可使用图形界面。

Extract（提取人脸）

在项目目录下运行：

python faceswap.py extract

该命令会从 src 目录读取原始照片，并将检测到的人脸输出到 extract 目录。

Train（训练模型）

python faceswap.py train

此命令从两个分别包含目标人脸照片的目录中读取数据，训练后的模型会保存到 models 目录。

Convert（合成换脸）

python faceswap.py convert

该命令会从 original 目录读取素材，并将换脸后的结果输出到 modified 目录。

GUI（图形界面）

如需图形化操作，可执行：

python faceswap.py gui

通用说明

所有脚本均支持 -h 或 --help 参数查看可用选项。视频与图片的相互转换可使用项目内置工具：

python tools.py effmpeg -h

也可直接调用外部 ffmpeg 完成抽帧、合成等操作。

训练小贴士：

• 在已有模型基础上继续训练，速度远快于从头开始；
• 若训练数据不足，可先选取面部特征相似的样本预训练，再切换到目标数据微调。

支持与求助

最佳途径是加入 FaceSwap 的 Discord 服务器，社群中有大量用户愿意协助解答（请注意该服务器为 SFW 性质）。也可前往 FaceSwap 官方论坛发帖求助，一般性支持类问题不应直接提交到代码仓库。

参与贡献

项目欢迎不同身份的用户参与：

• 对生成模型感兴趣者：可在 faceswap-model 板块讨论、建议或提交新算法；
• 开发者：阅读完整 README 后 Fork 仓库，关注带有 dev 标签的 Issue；若专注计算机视觉与 OpenCV，可关注 opencv 标签；
• 非开发者的进阶用户：Clone 仓库试用，关注 advuser 标签的 Issue，并在论坛帮助其他用户；
• 终端用户：下载代码自行尝试，到论坛获取帮助或协助他人，并保持耐心——这是一项仍在快速演进的新技术。

关于机器学习

关于计算机如何识别人脸、机器学习与神经网络的基本原理，开发者推荐观看两部循序渐进的视频：从直观讲解入手，再深入理解神经网络的运行机制。一句话总结核心思想：训练数据 + 反复试错。