视频换脸教程之用轻松换脸article

本文介绍使用DeepFaceLab这款开源产品，它基于python和tensorflow。

这里要说下，使用DeepFaceLab最好需要足够好的电脑配置，因为AI深度训练的过程基于cpu以及gpu，显卡性能越好意味着其速度越快效果越好。但这不是绝对，如果有足够的耐心也是能够合成出一定效果的，一切都只是娱乐嘛。（ps：我写本文时用到的是win7电脑，非高配置，这不重要）

安装完毕后，你会在DeepFaceLab_NVIDIA\下看到类似下图的文件：

回车，Face type选择wf（wf=整个脸，基于情况而定，本教程基于默认选择此），Max number of faces from image默认回车键，提取最大的数量。Image Size是图片大小，默认回车512，Jpeg quality是图片质量，越高越好，默认回车90。Write debug images to aligned_debug这个选项默认回车，在data_src文件下我们可以不需要，但在操作data_dst时就需要了（程序会自动）。然后等待进程的执行，依据电脑配置，配置越高速度越快。

完成后，在data_src/aligned文件夹下会看到全部提取到的人脸，对就是沈腾的大头贴。

同样，我们在这里删除掉模糊的照片。其实前面在data_src/下删除了不合规图片，现在应该没有模糊的大头贴了。

这是第一帧的图片，我们只想用沈腾的脸替换掉吴孟达老师的脸，因此用鼠标抓取。轻轻移动鼠标，程序会根据当前区域而绘制轮廓图，可以滚动滚轴放大缩小，左键锁定右键解锁，按回车确定，意味着每一张图片都需要这样，不过可以连续按住回车，当脸部大幅度变动时再重新调整。

最后到了关键一步了，就是训练模型，利用AI算法不断训练。

Deepfacelab提供了两种训练方式：quick96和SAEHD。如何选择？若你的显卡显存低于6gb，建议使用前者，而saehd是更高清晰度的模型，用于具有至少6GB显存的GPU。两种模型都可以产生良好的效果，但显然SAEHD功能更强大，因此面向非新手。为什么要训练模型？因为我们要给AI学习的这些素材，AI通过算法识别A和B两者的脸部，然后根据前者脸部的特征学会面部表情，以及如何换向另一个的脸。训练就是AI学习两个脸部的过程。

下图是执行Meger的进度，当交互界面的选项更新时，命令窗口会更新选项信息。若在交互界面按了按钮卡住不动时，通常是发生错误了，可在命令窗口看到python的错误日志（遇到此情况，则需要关闭重来）。