Đánh giá repo GitHub

FaceSwap: Phần mềm hoán đổi khuôn mặt deepfake

deepfakes/faceswap

Nhận định nhanh

FaceSwap là công cụ Python mã nguồn mở, miễn phí, hoán đổi khuôn mặt trong ảnh và video bằng cách huấn luyện một mô hình autoencoder deep learning trên hai bộ ảnh khuôn mặt. Hãy dùng nếu bạn muốn tìm hiểu cách các mô hình hoán đổi khuôn mặt thực sự hoạt động và không ngại tự xây dữ liệu huấn luyện rồi chờ GPU chạy xong. Bỏ qua nếu bạn cần một công cụ hoán đổi nhanh, không cần huấn luyện, kiểu một-chạm. Đó không phải cách công cụ này vận hành.

Sao

★ 57.4k

Fork

⑂ 13.5k

Người đóng góp

👥 98

Ngôn ngữ

Python

Giấy phép

GPL-3.0

Chủ đề

AI Tools

Cập nhật

Aug 2026

Trang chủ

Truy cập ↗

GitHub

Xem ↗

Tìm Hiểu Về FaceSwap

FaceSwap chính là dự án deepfakes/faceswap trên GitHub: chương trình Python phát hiện khuôn mặt trong ảnh hoặc khung hình video, huấn luyện một mạng nơ-ron để ánh xạ khuôn mặt này sang khuôn mặt khác, rồi render kết quả thành ảnh hoặc video mới. Chạy qua `python faceswap.py extract`, `train`, `convert`, hoặc qua GUI đi kèm, trên Windows, Linux hay MacOS. README yêu cầu GPU CUDA đời mới, card AMD chỉ được hỗ trợ một phần qua ROCm trên Linux.

Tính Năng Chính Và Quy Trình Làm Việc

✓Pipeline CLI ba bước: `extract` tách khuôn mặt từ ảnh hoặc khung hình video nguồn, `train` huấn luyện mô hình trên hai bộ khuôn mặt tương ứng, còn `convert` render kết quả hoán đổi lên media đích.
✓Có sẵn GUI riêng qua `python faceswap.py gui`, nên bạn không phải nhớ hết các cờ dòng lệnh — dù mỗi script vẫn có `-h`/`--help` để tra cứu.
✓Đi kèm nhiều kiến trúc mô hình có thể hoán đổi, như Villain, DFaker, DFL-H128, và Phaze-A, được README ghi công cho từng contributor đã xây dựng hoặc port riêng.
✓Có lệnh `tools.py effmpeg` đi kèm để tách khung hình từ video rồi ghép lại sau đó, hoặc bạn có thể dùng thẳng ffmpeg cho việc này.
✓Thiết kế ưu tiên GPU: README yêu cầu GPU CUDA đời mới để huấn luyện đủ nhanh, còn GPU AMD được hỗ trợ qua ROCm, nhưng chỉ trên Linux.
✓Tái sử dụng một mô hình đã huấn luyện trước để khởi động huấn luyện mới nhanh hơn hẳn so với bắt đầu từ đầu, theo đúng mẹo mà README đưa ra.

Số sao GitHub của repo này thay đổi thế nào theo thời gian. Nguồn: star-history.com.Xem lịch sử sao ↗

Các Trường Hợp Sử Dụng Hợp Đạo Đức Và Học Tập

•Học deep learning qua thực hành: đi qua pipeline extract/train/convert là cách cụ thể để hiểu các mô hình sinh dữ liệu kiểu autoencoder hoạt động ra sao, mà không cần nền tảng nghiên cứu chuyên sâu.
•Làm VFX hoặc hiệu ứng cho phim: README liệt kê phim ảnh là một trong những mục đích sử dụng dự kiến, cùng với các nghệ sĩ VFX Hollywood mà dự án nói là nằm trong số contributor của mình.
•Bình luận xã hội hoặc chính trị mang tính châm biếm: tuyên bố đạo đức của chính dự án nêu rõ đây là trường hợp sử dụng mà các nhà phát triển muốn ủng hộ.
•Nghiên cứu phát hiện deepfake: tự huấn luyện các bản hoán đổi cũng là cách các nhà nghiên cứu xây dựng dữ liệu có gán nhãn để kiểm tra công cụ phát hiện, vì bạn tự kiểm soát được dữ liệu gốc.

Cài Đặt FaceSwap

README đẩy toàn bộ bước cài đặt sang một file INSTALL.md riêng thay vì viết trực tiếp, nên các lệnh cài đặt cụ thể không được ghi rõ trong README chính. Điều được ghi rõ: FaceSwap là chương trình Python chạy trên Windows, Linux, và MacOS, và README nói bạn cần GPU CUDA đời mới để huấn luyện đủ nhanh. Nhiều GPU AMD cũng được hỗ trợ, qua ROCm, nhưng chỉ trên Linux. Ngoài việc clone repo rồi làm theo INSTALL.md, không có thêm chi tiết cài đặt nào khác được nêu ở đây.

Chạy FaceSwap: Tùy Chọn CLI Và GUI

Cách dùng đi theo ba bước theo thứ tự, chạy từ thư mục setup của bạn: `python faceswap.py extract` tách khuôn mặt từ ảnh trong thư mục `src` vào thư mục `extract`, `python faceswap.py train` huấn luyện mô hình trên hai thư mục khuôn mặt đã tách và lưu vào thư mục `models`, còn `python faceswap.py convert` áp mô hình đã huấn luyện đó lên thư mục `original` và ghi kết quả vào `modified`. Ngại gõ cờ lệnh? Chạy `python faceswap.py gui` thay thế. Với video, `python tools.py effmpeg -h` xử lý việc chuyển đổi qua lại giữa ảnh và video, hoặc bạn có thể giao việc đó cho ffmpeg. Mỗi script đều nhận `-h`/`--help` để xem đầy đủ tham số, còn USAGE.md là nơi dự án dẫn bạn tới phần hướng dẫn chi tiết hơn.

Điểm Mạnh

✓Cách chia extract/train/convert phản ánh đúng cách mô hình bên dưới hoạt động, nên bạn học được cơ chế thật thay vì chỉ bấm một nút.
✓Có GUI đi kèm CLI, nên bạn không bị buộc phải nhớ hết các cờ lệnh mới bắt đầu được.
✓Nhiều kiến trúc mô hình cùng nằm trong một codebase — Villain, DFaker, DFL-H128, Phaze-A, và nhiều hơn nữa — nên bạn có thể đánh đổi thời gian huấn luyện lấy chất lượng hoán đổi.
✓Dự án nêu rõ ranh giới đạo đức của chính mình ngay trong README thay vì im lặng, giúp đặt kỳ vọng rõ ràng trước khi bạn bắt đầu.
✓Tái sử dụng một mô hình đã huấn luyện để khởi động cho lần huấn luyện mới, theo đúng mẹo mà README đưa ra, giúp giảm thời gian huấn luyện thừa.

Yêu Cầu Kỹ Thuật Và Nguyên Tắc Đạo Đức

△GPU gần như là bắt buộc. README yêu cầu GPU CUDA đời mới để huấn luyện đủ nhanh, và dù card AMD chạy được qua ROCm, đường đó chỉ có trên Linux, nên người dùng AMD trên Windows không có lối tắt.
△Huấn luyện một mô hình dùng được tốn thời gian thật và cần một bộ dữ liệu khuôn mặt tương ứng mà bạn phải tự gom — không có mô hình dựng sẵn kiểu một-chạm nào đi kèm repo.
△Các bước cài đặt nằm hoàn toàn trong một file INSTALL.md riêng thay vì trong README chính, nên khó lường trước độ rắc rối lúc cài lần đầu trước khi bạn thật sự bắt tay clone repo.
△Công nghệ này là một rủi ro bị lạm dụng thật sự, không chỉ là nhược điểm kỹ thuật: cùng pipeline extract/train/convert giúp bạn học về autoencoder cũng có thể tạo ra nội dung không có sự đồng thuận hoặc mang tính lừa dối, đó là lý do các maintainer công bố hẳn một bản tuyên ngôn đạo đức sử dụng và nói rõ họ sẽ không dung thứ việc dùng phần mềm này cho mục đích phi đạo đức.
△Hỗ trợ hoàn toàn do cộng đồng vận hành qua Discord và một forum riêng, không phải qua issue tracker của repo này. README nói các câu hỏi hỗ trợ chung đăng ở đây sẽ bị xóa mà không được trả lời.

Khám Phá Các Phần Mềm Hoán Đổi Khuôn Mặt Khác

DeepFaceLab — một pipeline hoán đổi khuôn mặt mã nguồn mở khác, cũng huấn luyện bằng GPU, với quy trình extract/train/merge riêng và nhiều lựa chọn mô hình hơn nếu bạn sẵn sàng học một công cụ phức tạp hơn.roop — công cụ hoán đổi khuôn mặt nhẹ hơn, chỉ cần một ảnh nguồn duy nhất thay vì phải huấn luyện mô hình trước, đánh đổi lấy sự đơn giản thay vì quyền kiểm soát huấn luyện mà FaceSwap cho phép.FaceFusion — giao diện hoán đổi khuôn mặt được đóng gói gọn gàng hơn, phù hợp nếu bạn muốn ít thao tác dòng lệnh hơn so với cách cài đặt của FaceSwap.SimSwap — một triển khai hoán đổi khuôn mặt thiên về nghiên cứu, đáng thử nếu bạn muốn so sánh một kiến trúc mô hình khác với cách tiếp cận autoencoder của FaceSwap.

Câu Hỏi Thường Gặp

FaceSwap có miễn phí để dùng cho dự án thương mại không?

FaceSwap được phát hành theo giấy phép GPL-3.0, tức là miễn phí và mã nguồn mở, nhưng GPL-3.0 đi kèm nghĩa vụ copyleft: bất kỳ phần mềm phái sinh nào bạn phân phối cũng phải phát hành theo GPL-3.0, nên hãy kiểm tra điều này có phù hợp với kế hoạch thương mại của bạn không.

Yêu cầu phần cứng để chạy FaceSwap là gì?

FaceSwap chạy trên Windows, Linux, và MacOS, nhưng README nói bạn cần GPU hỗ trợ CUDA đời mới để huấn luyện đủ nhanh. Nhiều GPU AMD cũng chạy được, qua ROCm, nhưng chỉ trên Linux.

Các nguyên tắc đạo đức khi dùng FaceSwap là gì?

Các maintainer của FaceSwap công bố một bản tuyên ngôn nói rằng phần mềm này không dành cho việc tạo nội dung phản cảm, thay đổi khuôn mặt người khác mà không có sự đồng ý hoặc không cho họ biết, hay bất kỳ mục đích phi pháp, phi đạo đức nào. Họ mô tả FaceSwap là công cụ để thử nghiệm AI, bình luận, làm phim, và các mục đích hoán đổi khuôn mặt hợp lý khác.

FaceSwap có dùng để hoán đổi khuôn mặt trong video được không?

FaceSwap hoán đổi được khuôn mặt trong video: nó có lệnh `tools.py effmpeg` để chuyển video thành từng khung hình rồi ghép lại sau đó, hoặc bạn có thể dùng thẳng ffmpeg, rồi chạy pipeline extract, train, convert trên các khung hình đã tách.

FaceSwap được viết bằng ngôn ngữ lập trình nào?

FaceSwap được viết bằng Python, theo thống kê ngôn ngữ trên repo GitHub của dự án, với toàn bộ quy trình vận hành qua các script Python như faceswap.py và tools.py thay vì một file thực thi đã biên dịch.

Có thể tìm hỗ trợ cho FaceSwap ở đâu?

Hỗ trợ cho FaceSwap chủ yếu qua Discord server riêng của dự án và FaceSwap Forum tại faceswap.dev/forum. README yêu cầu người dùng không đăng câu hỏi hỗ trợ chung ngay trên repo GitHub, vì các câu hỏi đó sẽ bị xóa mà không được trả lời.

Vấn Đề Mà Nó Giải Quyết

Trước khi FaceSwap gộp mọi thứ lại thành một bộ code, các kỹ thuật deepfake từng nằm rải rác trong các bài báo học thuật và code nghiên cứu khó chạy, chỉ những người đã có nền tảng lý thuyết AI vững mới hiểu nổi. FaceSwap đóng gói cả pipeline đó thành ba lệnh ai có GPU cũng chạy được: extract, train, convert. Đó chính là thứ khiến việc thử nghiệm deepfake thực sự trở nên khả thi bên ngoài phòng lab nghiên cứu.

Nên Thử Và Nên Bỏ Qua Khi Nào

Hãy thử FaceSwap nếu bạn là developer hoặc người đam mê ML muốn tự tay huấn luyện một mô hình hoán đổi khuôn mặt, không ngại tự gom dữ liệu, chờ GPU huấn luyện, và đọc INSTALL.md cùng USAGE.md thay vì một trang quick-start. Bỏ qua nếu bạn cần một ứng dụng cắm là chạy, không có GPU hỗ trợ CUDA hay máy Linux cho đường ROCm, hoặc bạn kỳ vọng được hỗ trợ chính thức ngay trong repo GitHub thay vì qua Discord hay forum.