প্রকল্প সম্পর্কে

Deep-Live-Cam একটি ওপেন-সোর্স রিয়েল-টাইম ফেস সোয়াপ এবং ভিডিও ডিপফেক টুল। একটি সোর্স ফেস ইমেজ দেওয়া হলে, এটি লাইভ ওয়েবক্যাম ফিড বা আগে থেকে রেকর্ড করা ছবি ও ভিডিওতে মুখ প্রতিস্থাপন করতে পারে, এবং আউটপুট প্রায় তাৎক্ষণিকভাবে পাওয়া যায়। প্রকল্পটি AI-জেনারেটেড মিডিয়া ইন্ডাস্ট্রির জন্য ডিজাইন করা হয়েছে, যার মধ্যে কাস্টম ক্যারেক্টার অ্যানিমেশন, কনটেন্ট ক্রিয়েশন এবং অনুরূপ সৃজনশীল কাজ অন্তর্ভুক্ত। README-তে একটি নৈতিক ব্যবহারের দাবিত্যাগ রয়েছে, যেখানে উল্লেখ করা হয়েছে যে ব্যবহারকারীদের একজন প্রকৃত ব্যক্তির মুখ ব্যবহার করার সময় সম্মতি নিতে হবে, ডিপফেক আউটপুট শেয়ার করার সময় স্পষ্টভাবে লেবেল করতে হবে এবং প্রযোজ্য আইন মেনে চলতে হবে। সফটওয়্যারটি একটি অন্তর্নির্মিত চেকের দাবি করে যা নগ্নতা, গ্রাফিক কনটেন্ট বা সংবেদনশীল উপাদানের মতো অনুপযুক্ত মিডিয়া প্রসেসিং প্রতিরোধ করে। ডেভেলপাররা জানিয়েছেন যে আইনগতভাবে প্রয়োজন হলে তারা ওয়াটারমার্ক যোগ করতে পারেন বা প্রকল্পটি বন্ধ করে দিতে পারেন। রিপোজিটরিতে হাইলাইট করা প্রধান বৈশিষ্ট্যগুলির মধ্যে রয়েছে: - লাইভ ওয়েবক্যাম ফেস সোয়াপিং, যার একটি প্রিভিউ OBS-এর মতো টুলের মাধ্যমে স্ট্রিম করা যায়। - ইমেজ এবং ভিডিও ফেস সোয়াপিং, যার ফলাফল টার্গেট ভিডিওর নামে একটি ডিরেক্টরিতে সংরক্ষিত হয়। - মূল মুখের নড়াচড়া ধরে রাখার জন্য মাউথ মাস্ক অপশন। - একইসাথে একাধিক বিষয়ের জন্য ভিন্ন মুখ প্রয়োগ করার জন্য ফেস ম্যাপিং। - এক ফ্রেমে অনেক মুখের সমর্থন। - স্ক্রিপ্টেড ব্যবহারের জন্য -s/--source আর্গুমেন্টের মাধ্যমে CLI মোড। ম্যানুয়াল ইনস্টলেশনের জন্য Python 3.11-3.14, pip, git, ffmpeg এবং Windows-এ Visual Studio 2022 রানটাইম প্রয়োজন। Hugging Face থেকে দুটি মডেল ফাইল ডাউনলোড করে models ফোল্ডারে রাখতে হয়: gfpgan-1024.onnx এবং inswapper_128_fp16.onnx। প্রকল্পটি একটি ভার্চুয়াল এনভায়রনমেন্ট ব্যবহারের সুপারিশ করে। Windows, Linux এবং macOS-এর জন্য নির্দেশাবলী প্রদান করা হয়েছে, যার মধ্যে Apple Silicon-এর জন্য Python 3.14 এবং tkinter প্যাকেজ ব্যবহারের নির্দিষ্ট ধাপ রয়েছে। হার্ডওয়্যার অ্যাক্সিলারেশন একাধিক এক্সিকিউশন প্রোভাইডার সমর্থন করে: - NVIDIA GPU-এর জন্য CUDA, CUDA Toolkit 12.8 এবং cuDNN ব্যবহার করে, onnxruntime-gpu সহ। - Apple Silicon-এর জন্য CoreML, অফিসিয়াল onnxruntime বিল্ড ব্যবহার করে। - পুরোনো Apple ডিভাইসের জন্য CoreML legacy, onnxruntime-coreml-এর মাধ্যমে। - Windows ডিভাইসের জন্য DirectML, AMD GPU সহ। - Intel হার্ডওয়্যারের জন্য OpenVINO, onnxruntime-openvino এবং OpenVINO-এর মধ্যে নির্দিষ্ট সংস্করণ জোড়ার সাথে। কমান্ড-লাইন আর্গুমেন্টের মধ্যে রয়েছে source, target, output, frame processor নির্বাচন, keep-fps, keep-audio, many-faces, map-faces, mouth-mask, ভিডিও এনকোডার এবং কোয়ালিটি অপশন, live mirror, live resizable, max memory, execution provider, execution threads এবং version। প্রকল্পটি একটি পৃথক প্রি-বিল্ট 'Ultimate' সংস্করণেরও প্রচার করে যেখানে অতিরিক্ত বৈশিষ্ট্য, অপ্টিমাইজেশন এবং অগ্রাধিকার সহায়তা রয়েছে, যা এর অফিসিয়াল ওয়েবসাইটের মাধ্যমে পাওয়া যায়। রিপোজিটরিটি পূর্ববর্তী কয়েকটি ওপেন-সোর্স প্রকল্পকে কৃতিত্ব দেয়, যার মধ্যে মডেল এবং লাইব্রেরি কোডের জন্য insightface, বেস লেখকের পূর্ববর্তী প্রকল্প হিসেবে roop, এবং ওয়েবক্যাম সমর্থন, একাধিক মুখ পরিচালনা এবং প্ল্যাটফর্ম অপ্টিমাইজেশনের জন্য বিভিন্ন অবদানকারী অন্তর্ভুক্ত। এটি Ars Technica, CNN Brasil, Bloomberg Technoz, TrendMicro এবং PetaPixel-এর মতো আউটলেট থেকে প্রেস কভারেজ, সেইসাথে স্ট্রিমারদের প্রতিক্রিয়াও তালিকাভুক্ত করে।