DeepFaceLab 还提供了许多其他模型和预训练权重，用于不同的场景和任务。可以根据自己的需求选择合适的模型，并根据需要对其进行训练和优化。
DeepFaceLab 团队在开发 DeepFaceLab 短视频换脸应用的同时，还开发了一个DeepFaceLive 项目用于直播换脸，其原理与 DeepFaceLab 的短视频换脸相似。DeepFaceLive 通过预先训练出一个人脸模型，在直播过程中，将模型的人脸特征融合到主播人脸上，实现换脸的目的。从直播输出效果来说，只有主播的脸部特征发生变化，环境、衣着、动作举止和音色全部都还是主播本身。在合理利用的情况下，对于一些有镜头恐惧症的人来说，可以更加自如地表现自己。DeepFaceLive 甚至可以与DeepFaceLab找用人脸模型，这些特点使得这个项目的应用较为容易，传播也较广。
实际上，DeepFaceLab从2020年诞生至今只有三年，版本也只迭代了三个大版本其团队一直致力于降低使用环境，甚至在2GB 低显存下，不需要懂开发编程的任何知说就可以使用。这也导致市面上大多数换脸的视频和直播多采用该开源方案生产内容。不过在没有较好预训练模型的情况下，要想生产出较理想的内容是很难的，毕竟模型训练对数据集的丰富性、数量以及算力的要求都较高。
专家认为，在没有对新技术进行把控的情况下，让普通用户无门槛地使用，可能会导致滥用，进而产生各种社会问题。
专家呼吁，在新技术变革到来的时候，无论是开发团队还是涉及的社会团体，都应该考虑使用场景和使用风险，承担一定的社会责任。
（本文内容根据网络资料整理，出于传递更多信息之目的，不代表连连国际赞同其观点和立场）
