DeepFaceLab 2.0 制作 Deepfakes 指南

如果您想知道如何制作深度伪造品，那么您来对地方了！本 DeepFaceLab 指南将作为参考和涵盖整个过程的分步教程。 DeepFaceLab 可用于各种应用，从娱乐和专业制作到定制实施和深度学习研究。通过遵循本文档中列出的步骤和建议，您将能够使用 PC 或云计算平台创建最先进的 Deepfakes。

目录

什么是 DeepFaceLab？
Deepfake 流程概述
DeepFaceLab 术语
下载&安装 DeepFaceLab 2.0

• 使用哪个 DFL 版本
• 系统要求
• 系统优化

批处理文件和文件夹
工作区概述

• 第 1 步：清理工作区和导入数据
• 步骤 2：从视频中提取源帧图像
• 步骤 3：从视频中提取目标帧图像
• 步骤 4：提取源 Faceset
• 步骤 4.1：查看源 Faceset 结果
• 步骤4.2：源Faceset排序&清理
• 第 5 步：提取目标面集
• 步骤 5.1：查看目标 Faceset 结果
• 步骤 5.2：目标 Faceset 排序、清理和删除重新提取
• 步骤 5.3：XSeg 掩模标记和XSeg模型训练
• 第6步：Deepfake模型训练
• 步骤 6.1：导出为 DeepFaceLive 的 DFM
• 第 7 步：将 Deepfake 模型合并到框架图像中
• 步骤 8：将帧图像合并到视频
• 第9步：查看结果视频

什么是 DeepFaceLab？

DeepFaceLab (DFL) 是领先的 Deepfake 创建软件。大多数高质量的 Deepfake 都是使用 DeepFaceLab 制作的。 DFL 提供了用于创建 Deepfakes 的端到端解决方案，从数据收集和管理到模型训练和最终视频输出。

我们推出 DeepFaceLab，这是当前占主导地位的换脸深度换脸框架。它提供了必要的工具以及易于使用的方式来进行高质量的换脸。它还为需要使用其他功能增强管道而无需编写复杂的样板代码的人们提供了灵活且松散的耦合结构。我们详细介绍了 DeepFaceLab 实施的原理，并介绍了其管道，通过该管道，用户可以轻松地修改管道的各个方面，以实现其定制目的。值得注意的是，DeepFaceLab 可以实现高保真度的影院级效果。我们通过将我们的方法与其他换脸方法进行比较来展示我们系统的优势。

Deepfake 流程概述

典型的深度伪造从 2 个视频开始：源视频和目标视频。源视频包含deepfake的脸部；放入视频中的假人。目的地是您想要将 Deepfake 人脸放入其中的视频；你想要用 Deepfake 替换的脸。首先，每个视频的各个帧被转换为图像序列。然后 DeepFaceLab 可以检测每个图像中的面部，并为每个面部创建一个嵌入重要元数据的单独文件。然后通过删除错误检测和其他不需要的面孔来清理这些图像集合（面孔集）。接下来，DeepFaceLab 将训练一个神经网络，根据提供的图像来学习新的 Deepfake 脸部。之后，将深度伪造的脸部应用于原始目标图像，并最终转换回视频。

是什么造就了一个好的 Deepfake？

从技术上讲，DeepFaceLab 可以仅用几张图像创建深度伪造品。然而，最好的结果将来自使用具有不同面部表情和照明条件的各种高质量源图像。此外，源脸和目标脸应具有相似形状的头部和下巴线，以便最终的构图更加令人信服。此外，源图像应具有一致的特征（例如面部毛发和化妆），应取自较短的年龄范围（几年内），并且应与目标面部具有一些相似之处。源面部与目标面部越相似，深度伪造效果就越好。从长远来看，一开始花更多时间准备数据将会带来巨大回报。

创建 Deepfake 必须采取许多步骤，包括几个训练阶段和数十个输入选项。虽然本指南可以建议遵循的流程，但每个项目都是不同的，随着时间的推移，您将对软件有更深入的了解并制定自己的流程。与任何其他创意工具一样，通过练习，您将能够更好地使用 DeepFaceLab。请随意测试这些选项，看看它们对您自己有什么作用，并留出一些时间来进行实验和探索新功能。

DeepFaceLab 还可以与其他图像和视频处理软件配合使用。图像增强工具、编辑和效果处理以及音频操作都有助于获得更真实的结果。

DeepFaceLab 术语

为了阅读本指南并使用 DeepFaceLab，您应该首先熟悉一些基本术语。

DeepFaceLab提供了一套工作流程，形成了灵活的管道。在DeepFaceLab（简称DFL）中，我们可以将管道抽象为三个阶段：提取、训练和转换。这三个部分依次呈现。此外，值得注意的是，DFL属于典型的一对一换脸范式，这意味着只有两种数据：src和dst（源和目的地的缩写），在下面的叙述中使用。