人工智能视频换脸初级教程

发表于 2019-02-26 更新于 2026-11-03 阅读次数：评论数：本文字数： 1.6k 阅读时长 ≈ 1 分钟

重要说明

原文写于 2018 年 2 月 20 日，受技术发展影响，内容现已较为陈旧。本文基于 FakeApp 编写；由于官网已无法访问，软件可能难以获取，教程也可能无法复现。如果仍能获取 FakeApp，可参考本文。文中使用的是 FakeApp 2.0，其他版本的操作可能有所不同。

免责声明

请确保您所使用的视频素材来源合法，并已获得必要授权。本站内容仅供学习和研究用途，因使用本站内容而产生的一切法律责任，均由使用者自行承担；本站不承担任何法律责任。

FakeApp 可以从官网下载，也可以使用磁力链接（官网已无法访问，磁力链接请自行尝试）：magnet:?xt=urn:btih:598F5888522C860D48629EB8EC267496B4322E70。

Nvidia 卡建议使用 GTX 1060 或更高型号，显存 2 GB 以上。没有 Nvidia 卡也可以使用 CPU，但速度会很慢。如果使用 Nvidia 卡，建议使用 GPU 计算，需要先安装 NVIDIA CUDA。原文建议安装 CUDA 8.0 版本：下载地址。

如果操作过程中报错，可以尝试安装 VC 库：下载地址。

如何把 A 视频的脸，替换进 B 视频？主要分以下几步：

因为输入的是视频，所以需要先将视频转换成一张张图片。比如，10 秒的视频可能会有上百张图片；然后从中找出带有人脸的图片，最终都截取成相同大小，例如 256 × 256 像素。

有了 A、B 两组 256 × 256 的人脸图片后，通过一些特殊的技巧，可以找到两张脸之间的联系。图片数量越多，联系也就越紧密。找到关系后，将其保存为模型。这个模型的作用是：输入一张 A 的脸，模型会输出 B 的脸。

找一个 A 的视频，将其转换成一张张图片，并找出带有人脸的图片。把这些图片输入第 2 步得到的模型，就能得到一张张替换成 B 脸的图片。最后将所有图片重新合并成视频，换脸完成。

FakeApp 的使用分为三个步骤，分别对应上面的三步。

只有一个参数：输入视频的路径。这里需要依次处理两个视频，一个 A 视频，一个 B 视频，例如 C:\video\a.mp4。
执行完毕后，会在 C:\video 目录下生成 dataset-a 目录。dataset-a 目录中是一张张图片，里面还有个 extracted 目录，保存提取出的人脸图片。当然，程序自动截取可能会有误差。
注意：浏览 extracted 目录，只保留 256 × 256 的人脸图片，其他图片可以删除。全部完成后，会有 dataset-a、dataset-b 两个目录，里面分别有 extracted 目录。

提示

第一步主要是从视频里取得人脸样本集。程序可能会报 Failed to execute script align_faces 错误，这种情况下可以尝试安装 VC 库，或者从其他途径获得人脸样本集，只要保证两组人脸图片大小一致。

有三个参数：

(1) Model：可以在 C:\video 下新建一个空目录 model，然后输入 C:\video\model，用来保存模型结果。
(2) Data A：对应截取后的人脸目录，也就是 C:\video\dataset-a\extracted。
(3) Data B：同上，换成 B 的人脸目录。输入完成后，点击 Train 开始训练。等待一段时间后，程序会显示 Loss A、Loss B。一般小于 0.02 即可认为效果还可以，可以自行停止程序。

有三个参数：