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：
然后双击2)extractimagesfromvideodata_src.bat，此命令将data_src视频每一帧提取为图片，回车，再回车默认选择图片格式为png。
等待命令行窗口运行完毕便可关掉，以上是deepfacelab使用ffmpeg提取帧。然后，在workplace/data_src文件夹下就会看到data_src.mp4的每一帧图片，如图：
执行4)data_srcfacesetextract.bat，这意味着将从data_src下的每一张图片里获取人脸。操作如下：
回车，Facetype选择wf（wf=整个脸，基于情况而定，本教程基于默认选择此），Maxnumberoffacesfromimage默认回车键，提取最大的数量。ImageSize是图片大小，默认回车512，Jpegquality是图片质量，越高越好，默认回车90。Writedebugimagestoaligned_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。
本文选择使用quick96。执行6)trainQuick96.bat，第一次训练时会让你命名此模型的名字，然后就会开始训练。
当你觉得不需要再训练时，可以做最后一步了。执行7)mergeQuick96.bat，开始调整合并你的模型。提示Useinteractivemerger时按y进入交互选项界面，如图：
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）。
当前操作执行完毕后，在data_dst下多出了两个文件夹merged以及merged_mask，前者是用于合成最终视频的已换脸的图片，后者是遮罩图。好的，我们执行本文教程的最后一步8)mergedtomp4.bat，意味着将诞生最终的换脸视频，进程执行完毕后，在wprkspace目录下会看到result.mp4这个文件，如果你设置得不太好以及训练太短了，效果都会不尽人意。好，来欣赏最终的换脸视频吧。