Pagsisiwalat ng ebidensya

Ano ang mga larawang ito, at ano ang hindi nila

Ang isang kapaki-pakinabang na pahina ng halimbawa ay dapat gawing kasing kita ng mga larawan ang provenance at limitasyon. Ang mga asset na ito ay nagpapaliwanag ng nilalayong identity-and-scene relationship nang hindi ginagawang isang hindi suportadong claim ng pagganap ang ilustrasyon.

01

Opisyal na demonstration assets

Anim sa mga larawan ay DeepSwapAI na mga ilustrasyon: isang single-photo target-reference-result composite, isang naka-map na group-photo composite, dalawang studio identity reference, at dalawang scene direction na ginamit sa kasalukuyang product experience. Idinaragdag ng seksyong Mga totoong resulta ang isang natapos na pagpapatakbo ng bawat face swap workflow.

02

Hindi community uploads

Walang larawan sa pahinang ito na resulta ng customer, user submission, o testimonial. Ang mga totoong resulta sa ibaba ay mula sa sarili naming mga pagpapatakbo sa mga demo image na gawa ng AI.

03

Walang imbentong benchmark

Ang mga halimbawa ay hindi nagtatag ng isang accuracy score, average quality, generation speed, success rate, o garantisadong resulta.

04

Suriin ang nakikitang ebidensya

Ihambing ang identity landmarks, hair boundaries, facial light, foreground overlap, at scene detail. Pagkatapos ay subukan ang iyong sariling kinatawan na input bago palakihin.

Mga karapatan sa larawan at muling paggamit. Ang DeepSwapAI o ang mga nagbibigay-lisensya nito ay nagtataglay ng lahat ng naaangkop na karapatan sa mga opisyal na demonstration asset na ito. Ang pagtingin sa pahinang ito ay hindi nagbibigay ng pahintulot na muling ilathala, ipamahagi, ibenta muli, o gamitin ang mga ito para sa komersyal na layunin. Gamitin ang opisyal na pahina ng contact upang humiling ng nakasulat na mga tuntunin sa paglilisensya o pagkilala.

Mga totoong resulta

Isang natapos na pagpapatakbo ng bawat face swap workflow

Ipinapakita sa ibaba ang isang natapos na pagpapatakbo ng bawat workflow sa live na produkto noong Setyembre 27, 2026; pinatakbo nang ikalawang beses ang group photo workflow matapos ang isang pag-aayos sa produkto, gaya ng ipinapaliwanag sa tala nito. Ang bawat input ay demo image ng DeepSwapAI na gawa ng AI, kaya walang kasangkot na upload ng customer, stock photo o totoong tao. May bayad na access ang account, kaya walang lumalabas na trial watermark, at ipinapakita ang mga resulta nang walang retouch.

Pagpapalit ng mukha sa larawan

Siningil na credits: 6
Naihatid na file: 1360 × 768 PNG

Buksan ang workflow na ito

Batch face swap

Siningil na credits: 18
Naihatid na file: 1360 × 768, 896 × 1160, 896 × 1160 PNG

Buksan ang workflow na ito

Pagpapalit ng maraming mukha

Na-map ang larawan ng mukha 1 sa lalaki at ang larawan ng mukha 2 sa babae. Sa unang pagpapatakbo, may halatang gilid ng pag-crop kung saan nagtagpo ang mga bahagi ng dalawang mukha; inihahalo na ngayon ng group photo workflow ang bawat mukha sa larawan, at ito ang pagpapatakbo matapos ang pag-aayos na iyon.

Siningil na credits: 12
Naihatid na file: 960 × 1200 PNG

Buksan ang workflow na ito

Pagpapalit ng mukha sa video

Ang target na clip ay mabagal na paglapit ng camera sa isang hindi gumagalaw na larawang gawa ng AI, dahil walang image-to-video na tool ang site. Ipinapakita nito ang pagpapalit ng mukha sa mga gumagalaw na frame, hindi natural na galaw.

Siningil na credits: 12
Naihatid na file: 1024 × 1280 MP4, 4 s

Buksan ang workflow na ito

Pagpapalit ng mukha ng GIF

Ang target na GIF ay mabagal na pag-zoom sa isang hindi gumagalaw na larawang gawa ng AI. Ipinapakita rito ang dalawang animation bilang mas magaan na kopya ng mga GIF file para sa web.

Siningil na credits: 12
Naihatid na file: 480 × 480 GIF, 3 s

Buksan ang workflow na ito

Na-resize at muling na-encode ang mga kopya para sa web. Halimbawa lamang ang isang pagpapatakbo bawat workflow, hindi accuracy score o garantiya para sa sarili mong larawan.

I-download ang record ng pagpapatakbo (JSON)

Halimbawa ng daloy ng trabaho sa larawan

Tingnan kung aling larawan ang nagbibigay ng eksena at alin ang nagbibigay ng pagkakakilanlan

Ang target na larawan ay nagtatatag ng katawan, buhok, pose, ilaw, at background. Ang identity reference ay nagbibigay ng mga pahiwatig sa mukha na ilalagay sa eksenang iyon. Ang may label na result panel ay ginagawang nakikita ang ugnayan ng input bago mo subukan ang iyong sariling media.

Target: suriin ang eksena, pose, buhok, damit, ilaw, at anggulo ng mukha na dapat manatiling magkakaugnay.
Identity reference: ihambing ang nakikitang mga mata, kilay, ilong, bibig, panga, at mga pahiwatig ng edad.
Ilustratibong resulta: suriin ang pagkakakilanlan ng mukha nang hiwalay mula sa mga gilid, ilaw, at pagpapatuloy ng eksena.

Opisyal na ilustratibong daloy ng trabaho sa pagpapalit ng mukha na nagpapakita ng target na larawan, identity reference, at halimbawang resulta — **Opisyal na ilustratibong target-reference-result composite.** Ipinapaliwanag nito ang daloy ng trabaho sa larawan at hindi ipinapakita bilang resulta ng customer, live generation record, o controlled performance benchmark.

Nauulit na before-and-after audit

Sukatin ang ilustrasyon nang hindi ito ginagawang product benchmark

Ang source illustration ay hinati sa isang 622 x 701 target panel at isang 622 x 701 illustrative-result panel. Tatlong nakahanay na rehiyon ang nananatiling malinaw sa central identity-reference portrait at arrow overlays. Ang talahanayan ay nag-uulat ng decoded-pixel differences sa native resolution; hindi nito binibigyan ng marka ang mukha, nagpapatakbo ng generation task, o naghihinuha ng kalidad ng modelo.

Decoded-pixel measurements para sa tatlong nakahanay na rehiyon sa opisyal na ilustrasyon
Rehiyon	Nakahanay na window	Average na pagkakaiba ng RGB	Mga pixel na lampas sa delta 12	Luminance correlation	Gradient correlation
Itaas na bahagi ng eksena at banda ng mukha	`0,0 · 622 x 230`	16.658	74.963%	0.93	0.378
Saklaw ng mukha at buhok	`180,8 · 260 x 270`	20.584	68.372%	0.901	0.3097
Mababang banda ng paksa at eksena	`0,480 · 622 x 221`	13.996	64.64%	0.9319	0.4188

Itaas na bahagi ng eksena at banda ng mukha

Ang upper band ay naglalaman ng nakahanay na eksena sa kusina, buhok, at mukha habang nananatili sa itaas ng reference-circle at arrow overlays.

Target (0, 0, 622, 230); result (622, 0, 622, 230)

Saklaw ng mukha at buhok

Ang central window ay naghihiwalay sa nakikitang mukha at nakapaligid na buhok nang hindi kasama ang reference-circle o arrow overlays.

Target (180, 8, 260, 270); result (802, 8, 260, 270)

Mababang banda ng paksa at eksena

Ang lower band ay naglalaman ng damit, braso, kamay, at detalye ng silid sa ibaba ng reference-circle at arrow overlays.

Target (0, 480, 622, 221); result (622, 480, 622, 221)

Ano ang itinatag ng mga numero: itinatali nila ang eksaktong mga sukat sa source SHA-256 14b8ca68bbf2e692b3f499084afffbd25e05373b00aa25c3f8d868876c25b8da. Ipinapakita rin nila kung bakit ang isang pares na may kaugnayan sa paningin ay hindi ebidensya na ang mga pixel lamang ng mukha ang nagbago. Ang mga pagkakaiba ng pixel ay maaaring magsama ng buhok, damit, kamay, katawan, ilaw, compression, at detalye ng eksena.

I-download ang kumpletong audit record

Ang JSON ay naglalaman ng source fingerprint, panel layout, formulas, exact region coordinates, measurements, rights boundary, at limitations. Sinusuportahan ng CSV ang tabular analysis, at ang BibTeX ay nagbibigay ng stable citation.

Para sa isang tunay na generated output, gamitin ang hiwalay na human-review scorecard. Para sa kumpletong machine-readable inventory, gamitin ang research data catalog.

Halimbawa ng naka-map na group-photo

Magtalaga ng ibang pagkakakilanlan sa bawat napiling tao

Ang opisyal na composite na ito ay naglalarawan ng ugnayan sa pagitan ng isang group target, apat na hiwalay na identity references, at isang multi-person result direction. Ang live Workspace ng pagpapalit ng mukha para sa maraming mukha ay unang nakakakita ng mga tao at nagpapakita ng numbered reference-to-target mapping bago isumite.

Isang target na grupo: ang larawan ay nagbibigay ng mga tao, pose, pool scene, ilaw, buhok, damit, at background.
Hiwalay na identity references: bawat napiling tao ay tumatanggap ng isang natatanging reference sa halip na isang reference ang ipinahiwatig para sa buong grupo.
Limitasyon ng ebidensya: ito ay isang opisyal na paliwanag na composite, hindi isang user upload, task receipt, average-quality sample, o garantiya para sa ibang larawan.

Gamitin ang Gabay sa paghahanda ng larawang panggrupo upang suriin ang visibility, spacing, numbered order, ang 10-reference limit, at ang kasalukuyang 6-credit-per-selected-face cost.

Opisyal na ilustratibong group-photo face swap workflow na may apat na identity references at isang multi-person result direction — **Opisyal na ilustratibong group-photo composite.** Ipinapaliwanag nito ang isang four-reference mapping direction at hindi ipinapakita bilang resulta ng customer, live generation record, o controlled performance benchmark.

Direksyon ng Pagkakakilanlan A

Mga berdeng mata at isang tiyak na kilay sa isang detalyadong panlabas na eksena

Ang studio portrait ay nagbibigay ng nakikitang mga pahiwatig ng pagkakakilanlan. Ang scene direction ay naglalagay ng isang kaugnay na pagkakakilanlan ng mukha sa gitna ng flyaway hair, mga bulaklak na tumatawid sa ibabang bahagi ng mukha, maliwanag na kalangitan, at dappled light.

Opisyal na studio identity reference na may berdeng mata at kayumangging buhok

Sanggunian ng pagkakakilanlan

Gamitin ang mga mata, linya ng kilay, ilong, bibig, panga, at pangkalahatang mga pahiwatig ng edad bilang mga anchor ng paghahambing.

Identity: ihambing ang kulay ng mata, bigat ng kilay, hugis ng labi, at proporsyon ng panga.
Edges: suriin ang hairline, cheek boundary, at mga bulaklak malapit sa panga.
Light: suriin kung ang mga highlight at shadow direction ay nananatiling magkakaugnay sa loob ng eksena.

Opisyal na direksyon ng AI face swap demonstration na may babaeng may berdeng mata sa gitna ng makukulay na bulaklak — **Opisyal na ilustratibong scene direction.** Ito ay ipinares sa reference para sa visual inspection, hindi inaangkin bilang resulta ng user o controlled before-and-after test.

Direksyon ng Pagkakakilanlan B

Mga kayumangging mata at mas malambot na linya ng mukha sa parehong visual na wika

Ang pangalawang studio portrait ay nagbibigay ng ibang set ng identity cues. Ang kaugnay na scene direction ay gumagamit ng parehong flower-field language upang ang mga manonood ay makapag-focus sa pagkakakilanlan ng mukha nang hindi ito nalilito sa isang ganap na naiibang kapaligiran.

Opisyal na studio identity reference na may kayumangging mata at maitim na buhok

Sanggunian ng pagkakakilanlan

Ihambing ang hugis ng mata, arko ng kilay, ilong, bibig, tabas ng panga, at pangkalahatang proporsyon ng mukha.

Identity: ihambing ang mga mata, arko ng kilay, sulok ng bibig, at hugis ng baba.
Foreground: suriin kung paano nagsasapawan ang makakapal na bulaklak sa ibabang mukha at leeg.
Scene: suriin ang pag-iilaw ng balat laban sa maliwanag na kalangitan at maaraw na bukid.

Opisyal na AI face swap demonstration direction na may babaeng may kayumangging mata sa gitna ng makukulay na bulaklak — **Opisyal na ilustratibong scene direction.** Sinusuportahan nito ang isang transparent na visual review; hindi ito kumakatawan sa isang average na resulta, isang customer upload, o isang live-task record.

Gabay sa interpretasyon

Ano ang masasagot ng mga halimbawa

Gamitin ang mga larawan upang bumuo ng isang test plan, hindi upang maghinuha ng ebidensya na hindi nai-publish.

Tanong	Ano ang nakikita rito	Limitasyon
Maaari ko bang ihambing ang identity cues?	Oo. Ang reference at scene direction ay naglalantad ng mga mata, kilay, ilong, bibig, panga, at mga pahiwatig ng edad.	Ito ay isang perceptual review, hindi isang biometric similarity score.
Maaari ko bang suriin ang target-reference-result relationship?	Oo. Ang photo workflow composite ay naglalagay ng label sa scene target, identity reference, at illustrative result.	Ipinapaliwanag nito ang mga input roles ngunit hindi ito isang controlled before-and-after benchmark.
Maaari ko bang husgahan ang video o GIF continuity?	Hindi mula sa mga ilustrasyon, dahil static ang mga ito. Ang mga pagpapatakbo ng video at GIF sa itaas ay mabagal na galaw ng camera sa isang hindi gumagalaw na larawang gawa ng AI, kaya ipinapakita ng mga ito ang pagpapalit ng mukha sa mga gumagalaw na frame pero hindi ang natural na galaw, head turns, occlusion o cuts.	Subukan ang mga turn, blur, occlusion, cuts, at loop seams sa kaugnay na motion workflow.
Maaari ko bang mahulaan ang aking output o bilis?	Hindi. Ang mga resulta ay nag-iiba sa ibinigay na identity reference at target media.	Patakbuhin ang isang kinatawan na larawan o maikling clip at suriin ang aktwal na resulta bago mag-scale.

Mula sa halimbawa hanggang sa pagsubok

Gamitin ang parehong pagkakasunud-sunod ng pagsusuri sa iyong sariling media

Pumili ng isang malinaw na identity reference. Panatilihing matalas, walang harang, at sapat na malaki ang mukha upang masuri.
Pumili ng isang kinatawan na target. Isama ang pose, ilaw, buhok, accessories, o occlusion na mahalaga sa huling paggamit.
Bumuo ng pinakamaliit na kapaki-pakinabang na pagsubok. Magsimula sa isang larawan o isang maikling mahirap na segment sa halip na mag-commit ng isang buong batch o mahabang clip.
Suriin ang pagkakakilanlan at eksena nang hiwalay. Suriin muna ang facial landmarks, pagkatapos ay ang buhok, gilid, ilaw, kamay, foreground objects, at background continuity.
Suriin ang pahintulot at ang eksaktong trial image. Kumpirmahin ang pahintulot at suriin ang complete-email trial image watermark disclosure bago ibahagi ang larawang iyon.

Para sa mas malalim na paghahanda, gamitin ang gabay sa kalidad ng pagpapalit ng mukha. Pagkatapos ng generation, itala ang parehong nakikitang pamantayan gamit ang iskor ng kalidad ng pagpapalit ng mukha. Para sa mga desisyon sa consent, retention, at sharing, gamitin ang listahan ng pribasiya. Ang metodolohiya ng pagpapatunay nagpapaliwanag kung paano sinusuri ang mga pampublikong claim.

Pumili ng workflow