DeepFaceLab 還提供了許多其他模型和預(yù)訓(xùn)練權(quán)重，用于不同的場景和任務(wù)。

可以根據(jù)自己的需求選擇合適的模型，并根據(jù)需要對其進(jìn)行訓(xùn)練和優(yōu)化。

DeepFaceLab 團(tuán)隊(duì)在開發(fā) DeepFaceLab 短視頻換臉應(yīng)用的同時，還開發(fā)了一個DeepFaceLive 項(xiàng)目用于直播換臉，其原理與 DeepFaceLab 的短視頻換臉相似。

DeepFaceLive 通過預(yù)先訓(xùn)練出一個人臉模型，在直播過程中，將模型的人臉特征融合到主播人臉上，實(shí)現(xiàn)換臉的目的。

從直播輸出效果來說，只有主播的臉部特征發(fā)生變化，環(huán)境、衣著、動作舉止和音色全部都還是主播本身。

在合理利用的情況下，對于一些有鏡頭恐懼癥的人來說，可以更加自如地表現(xiàn)自己。

DeepFaceLive 甚至可以與DeepFaceLab找用人臉模型，這些特點(diǎn)使得這個項(xiàng)目的應(yīng)用較為容易，傳播也較廣。

實(shí)際上，DeepFaceLab從2020年誕生至今只有三年，版本也只迭代了三個大版本其團(tuán)隊(duì)一直致力于降低使用環(huán)境，甚至在2GB 低顯存下，不需要懂開發(fā)編程的任何知說就可以使用。

這也導(dǎo)致市面上大多數(shù)換臉的視頻和直播多采用該開源方案生產(chǎn)內(nèi)容。

不過在沒有較好預(yù)訓(xùn)練模型的情況下，要想生產(chǎn)出較理想的內(nèi)容是很難的，畢竟模型訓(xùn)練對數(shù)據(jù)集的豐富性、數(shù)量以及算力的要求都較高。

專家認(rèn)為，在沒有對新技術(shù)進(jìn)行把控的情況下，讓普通用戶無門檻地使用，可能會導(dǎo)致濫用，進(jìn)而產(chǎn)生各種社會問題。

專家呼吁，在新技術(shù)變革到來的時候，無論是開發(fā)團(tuán)隊(duì)還是涉及的社會團(tuán)體，都應(yīng)該考慮使用場景和使用風(fēng)險，承擔(dān)一定的社會責(zé)任。