DeepFaceLive DFM 模型详解与使用指南

.dfm 文件是在 DeepFaceLab 中训练并导出供 DeepFaceLive 使用的人脸模型。与接收参考照片的 Inswapper128 等单图换脸模型不同，.dfm 模型在训练阶段就已经内置了特定单一人物的身份特征。VisoMaster Studio 支持导入 .dfm 文件，并将其作为图片或视频中任意人脸的换脸模型，同时配合其遮罩、画质修复以及视频工具协同工作。

本文将解释 .dfm 文件的来源、其内部结构，以及 Studio 如何加载并运行它们。

DeepFaceLab 与 DeepFaceLive

两个项目均由 iperov 开发，均采用 GPL-3.0 协议，且两个 GitHub 代码仓库目前均已归档（只读状态）。代码的最后一次提交分别来自 2024 年 10 月（DeepFaceLive）和 2024 年 11 月（DeepFaceLab）。

DeepFaceLab 是一个用于训练换脸模型的工具包。其命令行入口包含独立的分步流程：从图像或视频帧中提取人脸、整理人脸数据集、标注并应用 XSeg 遮罩、训练模型、将结果融合回画面帧，以及将图像序列重新合成为视频。它还提供了一个 exportdfm 命令，说明为“导出供 DeepFaceLive 使用的模型”。README 提醒用户没有所谓的“一键完美”按钮，该工作流程需要花费时间学习。官方提供了 Windows 版本的 Release 发布，同时有社区维护的 Linux 构建版本。

DeepFaceLive 被描述为“用于 PC 直播或视频通话的实时人脸替换”。其 Face Swap (DFM) 模式通过训练好的人脸模型替换来自摄像头或视频中的人脸，README 中列出了一组开箱即用的公开模型。此外，它还具有基于单张照片的 Face Swap (Insight) 模式以及 Face Animator 功能。系统要求为 Windows 10 与支持 DirectX 12 的显卡，并提供独立的 NVIDIA 专版构建。

DeepFaceLive 的 FAQ 明确指出了其适用范围：它是专为直播换脸设计的，对录制视频进行换脸“仅用于测试目的”。而将训练好的模型应用于录制视频并提供逐帧精细控制，正是 VisoMaster Studio 等视频编辑工具发挥作用的地方。

.dfm 文件的内部结构

在 DeepFaceLab 的源代码中，导出功能会将训练好的神经网络转换为 ONNX 模型并写入为 model.dfm。该模型接收一个输入，即名为 in_face 的对齐人脸图像，并返回换脸后的面部以及两张遮罩。使用 DeepFaceLab 的 AMP 架构训练的模型会增加第二个输入 morph_value，Studio 将此参数提供为形变因子设置。

由于 .dfm 文件本质上是一个 ONNX 模型，因此运行时无需依赖 DeepFaceLab 或 TensorFlow。这使得其他第三方工具也能够加载并运行它。

DeepFaceLive FAQ 指出，其公开模型采用 224 × 224 人脸分辨率以确保可以在大多数 PC 上运行；如果需要更高的人脸分辨率，则需要自行训练模型。FAQ 同时提到，换脸效果的契合程度取决于目标人脸轮廓与被训练人脸形状的贴合程度。

VisoMaster Studio 如何运行 .dfm 模型

Studio 继承了来自 VisoMaster Fusion 的 DFM 支持。从源代码实现来看：

• 导入。 您可以从模型设置中导入 .dfm（或 .onnx）文件。Studio 会将它们复制到应用数据目录专属的 DFM 模型文件夹中，因此版本升级后依然得以保留。
• 校验。 模型加载时，Studio 会检查其第一个输入名称是否为 in_face；如果存在第二个输入，则检查其是否为 morph_value。不符合该规范的文件将无法加载。
• 计算后端。 DFM 模型通过 ONNX Runtime 运行，使用的执行提供程序与 Studio 的其他模型一致：在 Apple Silicon 上使用 CoreML 或 CPU，在 Intel Mac 及 Windows CPU 版本上使用 CPU，在 Windows NVIDIA 版本上使用 CUDA。
• 身份特征。 当某张人脸的换脸模型设置为 DeepFaceLive (DFM) 时，其身份特征直接来自模型本身。Studio 不会为该人脸提取或使用参考照片的特征向量。
• 参数设置。 DFM 模型在高级设置中拥有独立的专属选项：模型文件选择、针对 AMP 模型的形变因子，以及 RCT 颜色转移。此外，还有全局设置控制内存中同时保持加载的 DFM 模型数量上限。

由于换脸设置是按每张人脸独立配置的，因此片段中检测到的每张人脸都可以使用不同的模型。一个人可以使用 .dfm 模型，而另一个人可以使用 Inswapper128 配合参考照片，未做映射的人脸则保持原样不变。参见视频中多人换脸操作指南。

单图换脸模型与 .dfm 模型对比

哪种方式视觉效果更好取决于具体的模型和素材，因此建议在您自己的片段中进行对比。有关 Studio 中的单图换脸模型，参见换脸模型对比。

在 Studio 中使用 .dfm 模型

1. 获取您有权使用的模型。 在 DeepFaceLab 中自行训练并导出，或者使用经作者授权允许您使用的模型。对于任何非您本人训练的模型（包括 DeepFaceLive 的公开模型），请确保对应人物已经知情同意且您的使用方式合法合规。
2. 导入模型。 打开设置，进入模型部分并选择导入 DFM 模型。选中对应的 .dfm 文件。
3. 添加素材。 添加图片或视频。系统会自动检测当前帧中的人脸。
4. 指定模型。 选中目标人脸，将其换脸模型设置为 DeepFaceLive (DFM)，并在高级设置中挑选已导入的文件。
5. 调整与对比。 根据效果需要开启画质修复或保留遮挡物，并使用对比视图与原图进行对比。修复模型的选择以及其他遮罩（如 XSeg）位于高级设置中；参见 GFPGAN vs CodeFormer vs GPEN。
6. 导出。 导出完整片段、指定选区范围或拼接后的多个片段，并完整保留音频。如果某个场景从特定帧开始需要不同的设置，可以使用参数标记。

Studio 还具备支持网络摄像头输入和可选虚拟摄像头输出的实时模式，但如果实时直播是您的主要目标，DeepFaceLive 正是为此场景量身打造的工具。

Mac 以及 Windows 预览版的安装说明详见安装指南。关于 Studio 与另一款支持运行 .dfm 模型的工具的对比，参见 VisoMaster vs FaceFusion。

知情同意与使用规范

.dfm 模型是针对特定某个人物专门训练的，因此知情同意比普通单张照片更为关键。请仅训练或使用您本人、或已获得明确许可的人员的模型，为合成媒体添加清晰标识，并遵守当地法律。VisoMaster Studio 的相关规则详见使用规范。

常见问题

我可以在 VisoMaster Studio 中训练 .dfm 模型吗？

不能。Studio 支持导入并运行 .dfm 模型，但本身不包含模型训练工具。训练与导出流程均在 DeepFaceLab 中完成，其 exportdfm 命令可生成 .dfm 文件。

DeepFaceLab 和 DeepFaceLive 仍在维护中吗？

两个 GitHub 代码仓库目前均已归档，这意味着它们处于只读状态，其最后的提交记录停留在 2024 年底。代码和已发布的 Release 版本依然可以在 GPL-3.0 协议下获取与使用。

为什么 Studio 会拒绝加载我的 .dfm 文件？

Studio 要求模型符合 DeepFaceLab 导出的 ONNX 结构：第一个输入名称必须为 in_face，可选的第二个输入必须为 morph_value。如果文件结构不符合该规范，或者 ONNX Runtime 无法在您当前的硬件上加载该模型，都会导致加载失败。

.dfm 模型可以在 Mac 上运行吗？

.dfm 文件本质上是 ONNX 模型，Studio 通过 ONNX Runtime 运行它，在 Apple Silicon 上调用 CoreML 或 CPU，在 Intel Mac 上调用 CPU。运行速度取决于具体模型以及您的 Mac 硬件配置。

在 visomaster.studio/download 获取安装程序。