今天直奔主题：带大家详细看看 AMP 模型 的训练方法，以及如何将其应用到 DeepFaceLive 实时换脸中。
AMP 模型训练方式
AMP 模型主要有两种训练方式：
- 常规训练
- 复用训练
常规训练
流程如下：
与前面介绍的通用流程类似，只是模型换成了 AMP，并省略了应用和合成视频步骤。
因为最终会在 DeepFaceLive 中使用，所以无需提前生成视频。
优点：单次操作效率高，节省时间
缺点：若需要训练不同对象，每次都要从头开始，耗时较多
长期来看，推荐用 复用训练，不仅能节省时间，还能提升最终效果。
复用训练
流程如下：
操作步骤：
- 将软件自带的 RTM WF faceset 数据集 放入源目录的
aligned文件夹 - 运行
6) 训练AMP模型 源对源 train AMP SRC-SRC.bat，训练数百万次 - 删除模型文件夹中的 _AMP_inter_dst.npy 文件
- 按照流程图中 2–8 步骤 继续操作
这里相比常规流程多了两个关键环节：
- Xseg 泛型 → 使用默认遮罩模型给 src 和 dst 添加遮罩
- SRC-SRC 训练 → 给模型打好基础
AMP 模型应用
AMP 模型训练完成后，就能应用在 DeepFaceLive 中。
需要分两步：
- 模型导出
- 模型导入
模型导出
AMP 模型导出过程本质上是 tf2onnx 转换。
- 双击运行
6) 导出AMP模型 export AMP as dfm.bat - 选择模型 → 连续回车 → 等待片刻
- 成功导出的文件会出现在
model文件夹下，后缀为 .dfm
模型导入
将导出的 amp_AMP_model.dfm 文件复制到以下目录：
复制编辑
DeepFaceLive\userdata\dfm_models
导入成功后，就可以在 DeepFaceLive 中启用模型了。
启动 DeepFaceLive
运行 DeepFaceLive 后，稍作设置即可开始实时换脸。
- 软件自带了演示模型
- 想用自己训练的，只需在 Face Swapper → Model 中选择导入的 AMP 模型
DeepFaceLive 是一个高度集成的可视化工具，操作简单直观。真正的难点还是在 DeepFaceLab 的训练环节。