專業(yè)提供無毒且安全的軟件及游戲下載!
當(dāng)前位置:首頁 > 電腦軟件 > 圖形圖像 >DeepFaceLab下載(換臉軟件) v2.0 漢化增強(qiáng)版

DeepFaceLab下載(換臉軟件) v2.0 漢化增強(qiáng)版

  • 軟件大?。?/em>1.8GB
  • 更新日期:2021-02-27
  • 語言:簡體中文
  • 類別:圖形圖像
  • 適用環(huán)境:WinAll
  • 安全檢測: 無插件 360通過 騰訊通過 金山通過 瑞星通過
  • 本地下載

    普通http下載速度慢

軟件介紹

DeepFaceLab特別版是一款使用起來非常簡單的智能AI換臉軟件,我們在編輯視頻的時(shí)候,可以直接通過Deepfacelab中文版將視頻中其他人的臉進(jìn)行更換,加入自己想要的人臉圖片,并且這款軟件還可以讓人臉的契合度達(dá)到最高程度,看不出任何修改的痕跡哦!

DeepFaceLab特別版

DeepFaceLab特別版軟件簡介

Deepfacelab2.0中文版是一款非常簡單實(shí)用的AI換臉軟件,用戶通過這款軟件可以將自己的臉更換到自己愛豆的視頻或圖片上去,這樣一來仿佛使得用戶與愛豆一起參演電影以及共同合影一般,非常有意思。該軟件采用了傻瓜式的操作方法,相信用戶可以輕松上手。

Deepfacelab最新版是一款非常有意思的AI智能換臉軟件,用戶無需掌握任何編程知識(shí)便可以對視頻、圖片進(jìn)行一鍵換臉操作并且契合度非常高,看不出任何一點(diǎn)瑕疵。另外,該軟件的配置略高需要搭配GTX1080以上顯卡,所以用戶在使用之前注意升級(jí)自己電腦配置。

軟件特色

1、可單獨(dú)使用,具有零依賴性,可與所有Windows版本的預(yù)備二進(jìn)制文件(CUDA,OpenCL,ffmpeg等)一起使用。

2、新型號(hào)(H64,H128,DF,LIAEF128,SAE,惡棍)從原始的facewap模型擴(kuò)展而來。

3、新架構(gòu),易于模型試驗(yàn)。

4、適用于2GB舊卡,如GT730。在18小時(shí)內(nèi)使用2GB gtx850m筆記本電腦進(jìn)行深度訓(xùn)練的示例

5、面部數(shù)據(jù)嵌入在png文件中(不再需要對齊文件)。

6、通過選擇最佳GPU自動(dòng)管理GPU。

7、新預(yù)覽窗口

8、提取器和轉(zhuǎn)換器并行。

9、為所有階段添加了調(diào)試選項(xiàng)。

10、多種面部提取模式,包括S3FD,MTCNN,dlib或手動(dòng)提取。

11、以16的增量訓(xùn)練任何分辨率。由于優(yōu)化設(shè)置,使用NVIDIA卡輕松訓(xùn)練256。

DeepFaceLab特別版軟件功能

1、安裝方便,環(huán)境依賴幾乎為零,下載打包 app 解壓即可運(yùn)行(最大優(yōu)勢)

2、添加了很多新的模型

3、新架構(gòu),易于模型實(shí)驗(yàn)

4、人臉圖片使用 JPG 保存,節(jié)省空間提高效率

5、CPU 模式,第 8 代 Intel 核心能夠在 2 天內(nèi)完成 H64 模型的訓(xùn)練。

6、全新的預(yù)覽窗口,便于觀察。

7、并行提取

8、并行轉(zhuǎn)換

9、所有階段都可以使用 DEBUG 選項(xiàng)

10、支持 MTCNN,DLIBCNN,S3FD 等多種提取器

11、支持手動(dòng)提取,更精確的臉部區(qū)域,更好的結(jié)果。

DeepFaceLab特別版使用教程

workspace目錄下的文件,先了解下

1. 我們看到下面目錄,可以看到都是批處理,這里我已經(jīng)翻譯成中文啦,非常好理解。我們雙擊它1)批處理,輸入y之后,就會(huì)清理了,不需要清理就不用執(zhí)行了。

2. 第二步,我們提取data_src視頻,這里我們按照原視頻幀數(shù)進(jìn)行分解(如果要指定幀數(shù),可以右擊編輯)

分解完之后,我們打開workspace/data_src目錄,可以看到分解出的圖片

3. 同樣的,我們將data_dst視頻分解出圖片,執(zhí)行批處理

4. 分解出圖片知道后,我們要圖片中的人臉提取出來,先從data_src開始,我們用DLIB庫提取人臉,雙擊 4) 單顯卡DLIB庫提取data_src人臉

提取好data_src的人臉之后,我們看到下面的批處理是排序,有興趣的同學(xué)可以自己逐個(gè)執(zhí)行看效果,這里我們跳過。

5.同樣的,我們需要提取data_dst的人臉,這里我們也用DLIB來提取人臉,執(zhí)行批處理開始

 

一、人臉?biāo)夭男枰嗌?

DST:盡量不要少,因?yàn)樗怯邢薜那倚枰惶鎿Q的素材

SRC:根據(jù)各軟件的臉圖篩選規(guī)則和網(wǎng)上大神的建議,總體來說,SRC臉圖最好是大概700~3999的數(shù)量,像Deepfacelab的作者,他就認(rèn)為1500張夠了。對于SRC,各種角度、各種表情、各種光照下的內(nèi)容越多越好,很接近的素材沒有用,會(huì)增加訓(xùn)練負(fù)擔(dān)。

二、 手動(dòng)對齊識(shí)別人臉模式如何使用?

回車鍵:應(yīng)用當(dāng)前選擇區(qū)域并跳轉(zhuǎn)到下一個(gè)未識(shí)別到人臉的幀

空格鍵:跳轉(zhuǎn)到下一個(gè)未識(shí)別到人臉的幀

鼠標(biāo)滾輪:識(shí)別區(qū)域框,上滾放大下滾縮小

逗號(hào)和句號(hào)(要把輸入法切換到英文):上一幀下一幀

Q:跳過該模式

老實(shí)說,這個(gè)功能極其難用,畫面還放得死大……

三、MODEL是個(gè)什么東西?

MODEL是根據(jù)各種線條或其他奇怪的數(shù)據(jù)經(jīng)過人工智能呈現(xiàn)的隨機(jī)產(chǎn)生的假數(shù)據(jù),就像PS填充里的“智能識(shí)別”

你可以從https://affinelayer.com/pixsrv/ 這個(gè)網(wǎng)站里體驗(yàn)一下什么叫MODEL造假

四、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

五、Batch Size是什么?要設(shè)置多大?

Batch Size的意思大概就是一批訓(xùn)練多少個(gè)圖片素材,一般設(shè)置為2的倍數(shù)。數(shù)字越大越需要更多顯存,但是由于處理內(nèi)容更多,迭代頻率會(huì)降低。一般情況在Deepfacelab中,不需要手動(dòng)設(shè)置,它會(huì)默認(rèn)設(shè)置顯卡適配的最大值。

根據(jù)網(wǎng)上的內(nèi)容和本人實(shí)際測試,在我們這種64和128尺寸換臉的操作中,越大越好,因?yàn)樽詈侠淼闹的壳斑h(yuǎn)超所有民用顯卡可承受的范圍。

六、MODEL訓(xùn)練過,還可以再次換素材使用嗎?

換DST素材:

可以!而且非常建議重復(fù)使用。

新建的MODEL大概10小時(shí)以上會(huì)有較好的結(jié)果,之后換其他DST素材,僅需0.5~3小時(shí)就會(huì)有很好的結(jié)果了,前提是SRC素材不能換人。

換SRC素材,那么就需要考慮一下了:

第一種方案:MODEL重復(fù)用,不管換DST還是換SRC,就是所有人臉的內(nèi)容都會(huì)被放進(jìn)MODEL進(jìn)行訓(xùn)練,結(jié)果是訓(xùn)練很快,但是越雜亂的訓(xùn)練后越覺得導(dǎo)出不太像SRC的臉。

第二種方案:新建MODEL重新來(也就是專人專MODEL)這種操作請先把MODEL剪切出去并文件夾分類,這種操作可以合成比較像SRC的情況,但是每次要重新10小時(shí)會(huì)很累。

第三種方案:結(jié)合前兩種,先把MODEL練出輪廓后,再復(fù)制出來,每個(gè)MODEL每個(gè)SRC臉專用就好了。

其、合成圖連接成視頻后發(fā)現(xiàn)部分畫面面部顫抖怎么辦?

把DST視頻通過其他軟件放大些尺寸再重新進(jìn)行操作。因?yàn)檫壿嬌戏治?,擴(kuò)大了畫面后,軟件識(shí)別偏移的步長比例會(huì)小一些。

下載地址
用戶評(píng)論
所有評(píng)論(5)
昵稱:
(您的評(píng)論需要經(jīng)過審核才能顯示)
精選留言 來自浙江衢州移動(dòng)用戶 發(fā)表于: 2023-10-22
看起來好棒啊,謝謝分享了。
精選留言 來自貴州銅仁電信用戶 發(fā)表于: 2023-12-25
這個(gè)要怎么使用,有教程嗎?
精選留言 來自河南許昌移動(dòng)用戶 發(fā)表于: 2023-2-7
不錯(cuò),更新很快
精選留言 來自江西九江電信用戶 發(fā)表于: 2023-7-25
太好了,正好在找這個(gè)軟件,謝謝了
精選留言 來自廣東東莞移動(dòng)用戶 發(fā)表于: 2023-5-28
就喜歡這種小體積,簡單的軟件。

軟件投訴或糾錯(cuò)

問題:
說明:
郵箱: