📌 项目地址：deepfakes/faceswap | ⭐ 56,146 颗星 | 🔧 Python | 📜 未标注
先说清楚这是什么
仓库：deepfakes/faceswap，Python，56146 颗 star。一句话功能：用深度学习识别并替换图片和视频里的人脸。
GitHub 上 star 数在这个量级的项目，README 开头一般是 badges 加安装命令。这个项目不是。它开头是一份 Patreon 和 PayPal 支持者的公告，然后直接进入一份宣言（Manifesto）。这个顺序本身就是信息。
宣言讲了什么
Manifesto 的小标题只有一句：“FaceSwap has ethical uses.”——FaceSwap 有合乎伦理的用法。
正文回顾了技术史：换脸技术最初发表时是学术界的突破，但代码混乱、零碎，需要数学、计算机理论等多个学科背景才能跑通，学术界之外没人理会。直到有一个人把代码整合成一套完整、可运行的集合，情况才改变。紧接着，它承认了结果：技术立刻被拿去制作不当内容（原文 “immediately used to create inappropriate content”）。
我读过的开源项目 README 里，主动写这段历史的不多。它没有辩解，也没有承诺防滥用机制，只陈述了两个事实：代码曾经像黑魔法（”like black magic”），以及它可以被任何人下载、运行、通过实验学习，不需要博士学位。判断留给使用者。
工作流程：三步
README 把换脸拆成 Extract、Train、Convert 三个环节，各有一节：
- Extract：从图片和视频里检测、提取人脸，做数据准备。
- Train：训练模型。README 展示的两个案例就来自这里——Emma Stone / Scarlett Johansson 的换脸用了 Phaze-A 模型，Jennifer Lawrence / Steve Buscemi 用了 Villain 模型。也就是说模型架构不止一种，可以按素材和需求选。
- Convert：用训练好的模型处理素材，输出结果。
不想碰命令行的用户有 GUI 可用。
实操提醒：README 强调动手前先读 INSTALL.md。完整文档在 https://faceswap.readthedocs.io。
贡献指南按人分四类
这个项目的贡献指南不按模块分，按人分：
- 对生成模型感兴趣的人——参与模型架构实验
- 开发者——贡献代码
- 不写代码的进阶用户——测试、文档、issue
- 普通用户——反馈和使用
配套支持是 FaceSwap 论坛（forum.faceswap.dev）和 Discord 服务器。资助走 Patreon 和 PayPal。
README 里附了一门入门课
有一节叫 “About machine learning”，回答三个递进的问题：计算机怎么识别和塑造人脸、机器学习怎么工作、什么是神经网络。
一个换脸工具附带机器学习基础讲解，说明项目定位不止是出结果。Extract → Train → Convert 这条流水线，就是后来大量生成式 AI 应用的基本骨架。
我的看法
这个项目最实际的用法可能不是产出换脸视频，而是完整跑一遍流程。数据怎么提取、模型怎么训练收敛、结果怎么转换生成——动手跑过一次，对神经网络的理解比读科普文章扎实。
伦理问题它没有给标准答案，但把争议写在 README 第一屏，而不是藏在 CONTRIBUTING 或 LICENSE 里。这个做法在开源社区里少见。