道德提醒： 使用深度偽造 (Deepfake) 技術製作未經同意或惡意的內容是不道德的，並可能導致嚴重的法律後果。請務必負責任地、合乎道德地使用這些工具。
以下是表格形式的列表：
| 專案名稱 (Project Name) | GitHub 連結 (主要儲存庫/維護者) | 主要功能 (Primary Focus) | 主要特色 (Key Features) | 目標使用者 / 易用性 (Target Audience / Ease of Use) | 備註 (Notes) |
|---|---|---|---|---|---|
| DeepFaceLab | iperov/DeepFaceLab | 高品質影片換臉 | 多種模型架構 (SAEHD, AMP等)、豐富的訓練選項、提供圖形化使用者介面 (GUI)。 | 技術型使用者、愛好者 | 可以說是最流行且功能最強大的開源工具。學習曲線陡峭，但能產生非常逼真的效果。積極開發中。 |
| FaceSwap | deepfakes/faceswap | 影片換臉 | 多種模型、圖形化使用者介面 (GUI)、社群支援、多樣的擷取/訓練工具。 | 技術型使用者 | 另一個歷史悠久且受歡迎的專案，擁有一套全面的工具。 |
| DeepFaceLive | iperov/DeepFaceLive | 用於直播/視訊通話的即時換臉 | 使用 DeepFaceLab 模型、整合 OBS、即時效能。 | 技術型使用者 | 允許使用來自 DeepFaceLab 的預訓練模型進行即時深度偽造。 |
| SimSwap | neuralchen/SimSwap | 高品質圖像和影片換臉 | 良好的身份保留，常在「一次性」(單張目標臉部圖像) 場景中表現出色。 | 研究人員、開發者 | 更偏向研究導向，但提供高保真度換臉的程式碼，尤其適用於圖像。 |
| Roop (原始專案) | s0md3v/roop (已封存) | 簡單的「一次性」影片換臉 | 非常易於使用 (單張來源圖像、單個目標影片)、支援 CPU。 | 初學者、休閒使用者 | 原始儲存庫因道德考量已封存，但程式碼簡單。存在許多分支 (forks)。請謹慎使用分支。 |
| FaceFusion | facefusion/facefusion | 新一代人臉交換器與增強器 | 模組化設計、多種換臉器、增強器 (如 CodeFormer, GFPGAN)、影格處理器。易用的圖形化使用者介面 (GUI)。 | 中階至進階使用者 | 目標是成為一個全面且使用者友善的工具，基於 Roop 和其他專案的概念建構。積極開發中。 |
| FSGAN (Face Swapping GAN) | YuvalNirkin/FSGAN | 主體無關的人臉交換、重演 (reenactment) | 「一次性」學習、用於交換和重演的解耦表徵。 | 研究人員、開發者 | 研究專案，專注於將身份與屬性分離，以實現更靈活的交換。 |
選擇 GitHub 專案時的重要考量：
- 活躍度與維護 (Activity & Maintenance)： 查看「commits」、「issues」和「pull requests」來判斷專案是否仍在積極維護。
- 社群與支援 (Community & Support)： 尋找是否有 Discord 伺服器、論壇或活躍的問題追蹤器。
- 文件 (Documentation)： 良好的文件至關重要，特別是對於這類複雜的專案。
- 先決條件 (Prerequisites)： 密切注意硬體需求（GPU、RAM）、軟體依賴（Python 版本、CUDA、cuDNN）以及作業系統相容性。
- 道德準則 (Ethical Guidelines)： 許多信譽良好的專案會有明確的道德使用指南，請務必遵守。
- 分支 (Forks)： 對於像原始 Roop 這樣已封存的專案，存在許多分支。有些分支可能增加新功能，而另一些則可能未受維護甚至帶有惡意。使用非官方分支時務必非常小心。
facefusion是一個從roop的簡潔性發展而來，具有更多功能且積極開發的良好範例。
這些專案通常需要投入大量時間學習和有效使用。建議從一個看起來符合您技術水平和期望結果的專案開始。