深度伪造（Deepfake）是指由人工智能生成或篡改的照片、视频或音频，让某个人看起来说了他从未说过的话、做了他从未做过的事。 这个词由"深度学习"（deep learning，驱动这项技术的 AI 分支）和"伪造"（fake）组合而成。最常见的形式，是把一个人的脸替换到另一个人的身体上，无论是图片还是视频，效果都可以逼真到难以与真实影像区分。
这个简短的定义回答了问题，但只触及皮毛。深度伪造处在现代 AI 中最有趣、也最具争议的领域之一。它既能制作无害的电影特效、病毒式传播的表情包，也支撑着数百万人使用的创意 AI换脸 工具；同时它也被滥用于诈骗和骚扰，因此几乎所有关于 Deepfake 含义的讨论，最终都会落到伦理、知情同意和法律上。
本文将全面介绍：这个词从何而来、技术大致如何运作、深度伪造有哪些类型、什么合法什么违法，最后附上一份简明术语表，让专业名词不再成为阅读障碍。
Deepfake 的含义：这个词从哪里来
"Deepfake"一词最早出现在 2017 年底，是一位 Reddit 用户的用户名，他分享了用开源机器学习代码制作的换脸视频。这个名字之所以流传开来，是因为它精准概括了这项技术：
- Deep 指深度学习——由多层堆叠的神经网络构成，能从海量数据中学习规律。
- Fake 指输出结果：描绘从未发生之事的合成媒体。
短短几个月内，记者们就开始用这个词指代所有涉及真人的 AI 生成或 AI 篡改内容。如今，词典将深度伪造定义为"经过逼真篡改和操纵、使某人看似做过或说过其实并未做过或说过之事的图像或录音"。
同样值得说明的是，什么不算深度伪造。传统修图、滤镜、CGI 和手工视频特效都不是深度伪造，即使它们改变了一个人的外貌。深度伪造的定义明确要求使用机器学习：一个已经学会了人脸（或声音）长什么样、如何变化的模型，并能自行生成新的画面或音频。
深度伪造简史
深度伪造看似是新事物，但其背后的研究已有数十年积累。
名字诞生之前（1990 年代–2016 年）
早在 1990 年代，学术实验室就在尝试计算机生成的面部重演。真正的转折点出现在 2014 年，研究员 Ian Goodfellow 提出了生成对抗网络（GAN）——一种让两个神经网络相互竞争的训练方式：一个负责生成假图，一个负责识别假图，直到生成结果变得极其逼真。2016 年，Face2Face 项目展示了实时视频面部重演，让公众看到了即将到来的未来。
命名时刻（2017–2018 年）
那个给深度伪造命名的 Reddit 账号让消费级换脸流行起来，DeepFaceLab 和 FaceSwap 等开源项目随即跟进。突然之间，任何拥有一块游戏显卡和足够耐心的人，都能在家训练换脸模型。如果你好奇这些社区项目后来如何演变，可以看看我们的 开源深度伪造工具 对比指南。
走向大众与移动端（2019–2022 年）
中国的 ZAO 和面向全球的 Reface 等应用把换脸搬到了手机上。好莱坞也拥抱了这项技术，用于为演员"减龄"和补完表演。检测研究同步加速：2019 年，Facebook、微软和学术界联合发起了 Deepfake 检测挑战赛（Deepfake Detection Challenge）。
生成式 AI 时代（2023 年至今）
现代扩散模型和单样本（one-shot）换脸网络消除了最后一道门槛：训练时间。早期深度伪造需要目标人物的数千张照片和数天的 GPU 运算，而如今的网页工具只需一张照片，几秒钟就能生成逼真的换脸效果。正是这一飞跃，让深度伪造从小众爱好变成了日常创作媒介，也让公众理解这项技术变得刻不容缓。
深度伪造是如何运作的？
理解核心原理并不需要数学学位。大多数深度伪造依赖以下三种方法之一：
1. 自编码器（经典方法）
自编码器是一种神经网络，经过训练后能把人脸压缩成紧凑的数字描述，再将其重建出来。经典做法是使用一个共享编码器和两个解码器——每人一个。把 A 的脸送入共享编码器，再用 B 的解码器重建，得到的就是 B 的脸，却带着 A 的表情、角度和光照。
2. GAN（逼真度引擎）
生成对抗网络让生成器与判别器相互对抗。生成器制作假画面，判别器判断每一帧看起来是否真实。两者在持续的"军备竞赛"中共同进步，这就是为什么经 GAN 精修的输出能逼真到皮肤纹理和反光细节。
3. 扩散模型与单样本模型（现代方法）
新一代系统先从海量数据中学习人脸的通用模型，再只凭一张参考照片应用特定身份。正因如此，现代 Deepfake 生成器 才能在浏览器中即时运行，完全无需训练步骤。
所有流程都有相同的骨架：检测人脸、对齐人脸、生成替换或合成的人脸，最后在匹配色彩和光照的同时将其融合回原始画面。想深入了解每个阶段的技术细节，请阅读我们的姊妹篇 深度伪造技术原理详解。
照片、视频与语音深度伪造
"深度伪造"是一个总称。实际上它主要分为三大类，难度和用途各不相同。
照片深度伪造
最简单也最常见的形式。通过 照片换脸 给单张图片换上新面孔，或者从零生成一个完全虚构的人（就是那些著名的"此人并不存在"图片）。照片深度伪造速度快、成本低，是大多数普通创作者的入门方式。
视频深度伪造
视频的难度大幅提升，因为每一帧都必须与前后帧保持一致。人脸要跟随头部运动，在光线变化中保持身份不变，还要自然地眨眼。现代 视频换脸 工具会自动处理这种帧间一致性，所以过去需要渲染数天的效果，如今几分钟即可完成。
语音深度伪造（声音克隆）
声音克隆模型从样本音频中学习说话人的音高、音色和节奏，再用这个声音合成新的语音。音频与视频是截然不同的技术问题，风险和检测方法也各不相同——我们在 AI 语音克隆与视频深度伪造对比 中详细拆解了两者的区别。最逼真（也最危险）的伪造会把两者结合：克隆声音加上合成视频。
正当用途与滥用
技术本身是中立的——同一套模型既能驱动电影公司的减龄流程，也能被骗子用来行骗。区分正当使用与滥用的关键只有两点：知情同意和意图。
正当与创意用途
- 影视制作：为演员减龄、在演员去世后补完表演（经遗产管理方批准）、为译制片配音时让演员口型与翻译语言匹配。
- 娱乐与表情包：把自己的脸换进电影场景、把朋友放进名画里，或制作明确标注为恶搞的 明星换脸。
- 无障碍辅助：为失去说话能力的人重建声音，例如渐冻症（ALS）患者提前"储存"自己的声音。
- 教育与博物馆：在互动展览中让历史人物"复活"。
- 营销与本地化：只拍一条广告，就能把主持人的口型本地化成十几种语言。
- 隐私保护：在纪录片中替换真实面孔以保护信息来源，同时保留自然表情。
滥用
- 未经同意的私密影像——最早出现、至今仍危害最大的滥用形式，受害者绝大多数是女性。
- 诈骗与冒充——用克隆的高管或家人声音拨打诈骗电话。
- 政治虚假信息——针对选举捏造的演讲或"泄露"片段。
- 骚扰与诽谤——伪造某人说过某些话的"证据"。
伦理界线说起来很简单：只为自己、为明确同意的人，或在法律允许、清楚标注的恶搞场景中制作深度伪造内容——绝不制作针对真人的色情、诽谤或欺骗性内容。正规平台（包括我们的 免费换脸工具）之所以执行内容政策，正是因为这条界线至关重要。
深度伪造合法吗？
全球没有统一答案，但各地的趋势指向同一方向：制作合成媒体通常是合法的；用它伤害他人则不合法。
- 美国：联邦层面没有全面禁令，但联邦《TAKE IT DOWN 法案》（2025 年）将发布未经同意的私密影像（包括 AI 生成的影像）定为犯罪，大多数州也有各自针对深度伪造色情内容、选举深度伪造或两者兼有的法律。
- 欧盟：《欧盟人工智能法案》（EU AI Act）要求深度伪造内容必须明确标注为人工生成或篡改。GDPR 还将人脸生物特征数据视为敏感个人数据。
- 中国：相关规定要求合成内容添加显著标识（水印），并须取得被呈现者的同意。
- 英国：《网络安全法》（Online Safety Act）将分享未经同意的私密深度伪造内容定为犯罪。
- 所有地区：现行关于诈骗、诽谤、骚扰、版权和人格权的法律，同样适用于深度伪造，与其他任何媒介无异。
实际结论：在大多数司法辖区，出于双方同意、创意性且不具欺骗性的目的使用深度伪造工具是合法的。而未经同意利用他人肖像进行欺骗、诽谤、诈骗或色情化，在越来越多的地方属于违法——在几乎所有正规平台上也会导致账号被封。
如何判断一段内容是否为深度伪造？
检测值得单独写一篇——我们也确实写了：如何识别深度伪造。简单来说：留意不自然的眨眼或眼部反光、面部边缘的模糊或闪烁、面部与场景光照不一致、牙齿或耳朵的怪异细节，以及与口型对不上的音频。当事关重大时，请通过第二渠道核实——用已知号码回拨对方、查证原始来源——因为取证级别的伪造足以骗过随意的肉眼检查。
深度伪造术语表
| 术语 | 含义 |
|---|---|
| 深度学习 | 使用多层神经网络的机器学习；即 Deepfake 中的"deep"。 |
| GAN | 生成对抗网络——两个相互竞争的网络，共同生成逼真的合成媒体。 |
| 自编码器 | 将输入压缩为紧凑编码再重建的网络；经典换脸技术的基础。 |
| 扩散模型 | 一种通过逐步去噪来构建图像的现代生成模型。 |
| 换脸（Face swap） | 将一个人的脸替换为另一个人的脸，同时保留原始表情和场景。 |
| 面部重演 | 保留某人的脸，但用另一段表演来驱动其表情和口型。 |
| 声音克隆 | 根据样本音频，用特定人物的声音合成语音。 |
| 合成媒体 | 所有 AI 生成或 AI 篡改内容的统称，包括深度伪造。 |
| 廉价伪造（Cheapfake） | 不借助 AI 的误导性剪辑——例如放慢真实视频或给它配上错误字幕。 |
| 内容溯源 / C2PA | 记录媒体如何被创建和编辑的加密内容凭证。 |
常见问题
用最简单的话说，什么是深度伪造？
深度伪造是用人工智能制作的假照片、假视频或假录音，展示一个真实的人做了或说了他从未做过、说过的事。AI 会学习这个人的真实图像或录音，然后生成模仿他的全新合成内容。
为什么叫 Deepfake？
这个名字由"deep learning"（深度学习，即所用的 AI 技术）和"fake"（伪造，即结果）合成。它起源于 2017 年一位 Reddit 用户的用户名，此人让 AI 换脸视频流行起来，随后媒体便把它当作通用术语沿用至今。
深度伪造违法吗？
在大多数国家，制作深度伪造本身并不违法。违法的是特定的有害用途：未经同意的私密影像、诈骗、诽谤，以及（在越来越多的司法辖区）未披露的政治深度伪造。欧盟还额外要求对合成媒体进行标注。在大多数地方，经同意、具有创意且明确标注的使用仍然合法。
换脸和深度伪造有什么区别？
换脸是深度伪造的一种——也是最常见的一种。"深度伪造"还涵盖完整的面部重演、完全合成的人脸以及克隆的声音。日常用语中两者常被当作同义词，但所有 AI 换脸都属于深度伪造，而并非所有深度伪造都是换脸。
深度伪造能被检测出来吗？
通常可以。典型迹象包括面部周围的边缘瑕疵、光照不一致、不自然的眨眼以及音画口型不同步；取证工具还能分析肉眼看不到的像素级痕迹。不过，检测是一场军备竞赛，没有任何方法能做到 100% 可靠——通过可信渠道核实，仍然是最有效的防线。
我可以合法地制作自己的深度伪造吗？
可以。在创意项目中使用你自己的脸——或已明确授权给你的人的脸——几乎在任何地方都是合法的，这也正是消费级工具的设计初衷。使用浏览器端的 Deepfake 制作工具，无需下载任何软件即可完成；只要保证内容不具欺骗性，并尊重他人的肖像权即可。
总结
深度伪造是指 AI 生成或 AI 篡改、能以假乱真地呈现从未发生之事的媒体——这个定义涵盖了从奥斯卡获奖视觉特效到在浏览器里五秒钟做出的换脸表情包。不到十年间，这个词就从一个冷门的 Reddit 用户名变成了家喻户晓的词汇，而这项技术只会越来越强大。
了解深度伪造是什么、如何运作，以及伦理与法律的边界在哪里，是迎接合成媒体无处不在的世界的最好准备。如果你想负责任地探索它的创意一面——使用你自己的照片，并征得所有相关人员的同意——可以直接在浏览器里试试 免费换脸，从内部亲眼看看这项技术是如何运作的。
