Op internet is kant-en-klare software te vinden waarmee je zelf een deepfake-video maken kunt. Die software heet DeepFaceLab maar is nu niet bepaald gebruiksvriendelijk te noemen. Daarom helpen we je hier ermee op weg.

Het programma DeepFaceLab vereist Windows 10 en een recente Nvidia-kaart. De software oogt wat rudimentair en gebruikt batchbestanden voor het uitvoeren van acties. In de toekomst wil de maker een gebruikersvriendelijke interface maken waarbij je in principe alleen nog maar twee video’s hoeft te selecteren en op een knop hoeft te drukken.

Lees ook: Wat is deepfake en hoe herken je nepvideo's?

In de workspace-map staan drie mappen en twee videobestanden genaamd data_dst en data_src (doel en bron). Het laatste bestand bevat het gezicht dat je wilt gebruiken en moet worden verwerkt in het doelbestand. Voordat je begint, moet je dat materiaal dus bij elkaar zoeken, maar je kunt ook het meegeleverde bronmateriaal gebruiken. Dat bestaat uit een video van het personage Tony Stark uit Ironman, en de doelvideo is iemand die voor een greenscreen staat. Als je andere bestanden wilt gebruiken, moet je deze de eerdergenoemde namen geven.

Stappenplan deepfake-video

1. Voor de eerste stap moeten er losse frames uit de bronvideo worden gehaald; dat worden dan foto’s in png-formaat. Start batchbestand nummer 2. Je krijgt dan de vraag hoeveel frames per seconde je wilt gebruiken. Hoe meer fps, des te langer het renderen duurt. De eerste keer kun je het best voor de standaardopties kiezen door op de Enter-toets te drukken.

2. Start batchbestand 3.2. Deze doet hetzelfde met het doelbestand en haalt er losse frames uit. Bij optie 3.2 wordt elk individueel frame gebruikt en in een aparte map ondergebracht. Dat kan even duren, mede afhankelijk van de lengte van de video, de resolutie en hoe krachtig je computer is.

3. Vervolgens moeten de gezichtskenmerken worden opgenomen in een dataset. Daarvoor worden de eerste opslagen frames uit het bronbestand geanalyseerd. Kies voor optie 4: all gpu. De frames worden nu opgeslagen in data_src.

©PXimport

4. Doe vervolgens hetzelfde met de doelbestanden via batchbestand 5. Deze analyseert de gezichtskenmerken van het doelbestand op basis van de png-frames. De optie DLIB all GPU leidt tot minder fouten (false-postives) en MT all GPU leidt tot betere detectie en een realistischer algemeen resultaat, maar meer mogelijke fouten.

5. Controleer vervolgens de map aligned en verwijder hier afwijkende foto’s, bijvoorbeeld waar iets voor het gezicht zit. Deze verstoren namelijk het eindresultaat omdat de software anders denkt dat zoiets onderdeel uitmaakt van het gezicht.

6. Vervolgens moet de software worden getraind. Dat kan in verschillende kwaliteitsgradaties, maar de eerste keer is het handig om bij batchbestand 6 voor een lage waarde te kiezen, zoals H64. Dat levert een lagere kwaliteit op, maar wel sneller resultaat. De vragen slaan we voor nu over. Je kunt de training een tijd door laten lopen, eventueel uren als er veel bronmateriaal is. Druk op de Enter-toets om het trainen te beëindigen.

©PXimport

7. Daarna kunnen we de transformatie starten met batchbestand 7. Ook hier zijn weer verschillende gradaties beschikbaar en kiezen we eerst (omwille van de snelheid) voor H64. Opnieuw zijn er weer veel instellingsopties beschikbaar. Het kan per scène verschillen welke je hier het best kunt kiezen. Je kunt het altijd opnieuw uitvoeren.

8. De twee frames zijn nu samengevoegd, waarbij het brongezicht op dat van het lichaam van het doelbestand is geprojecteerd. Van deze losse foto’s moet nu weer een video worden gemaakt. Dat kan door de foto’s in een videobewerkingsprogramma te slepen, maar je kunt ook batchbestand 8 gebruiken, die de beelden omzet naar een mp4-bestand.

Grotere dataset geeft beter resultaat

Het resultaat is indrukwekkend, maar niet perfect. Om tot een beter resultaat te komen is het aan te raden om de dataset uit te breiden, bijvoorbeeld door meerdere bronvideo’s te gebruiken waarbij het gezicht in verschillende omstandigheden en vanuit diverse hoeken te zien is. Het is ook afhankelijk van het doelbestand. Draait de persoon zich daar bijvoorbeeld naar de zijkant, dan heb je ook bronmateriaal nodig waarbij dat gebeurt. De resolutie van het bronmateriaal is eveneens belangrijk, anders blijven details vaag.

Tekst: Jeroen Horlings

Amazon werkt aan een realityshow rondom de Fallout-franchise waarin deelnemers moeten zien te overleven in een schuilkelder.

Er gingen onlangs al geruchten over de realityshow die naar Amazon Prime Video moet komen, maar nu is de show officieel goedgekeurd en wordt er zelfs naar deelnemers gezocht. In het spelprogramma moeten spelers in een schuilkelder leven en meedoen aan een reeks competitieve spellen die de zeven kerneigenschappen uit de Fallout-reeks uitlichten: kracht, perceptie, charisma, intelligentie, uithoudingsvermogen, geluk en wendbaarheid.

Volgens de beschrijving "is het een spel van machtspatronen, populariteit en sociale strategieën waarbij uiteindelijk een gigantische geldprijs gewonnen kan worden". Verdere concrete detail zijn er nog niet, en het is ook niet duidelijk vanaf wanneer de realityshow op Amazon Prime Video te zien zal zijn.

Gebaseerd op de games

Amazon heeft de smaak goed te pakken wat betreft Fallout: in 2024 begon de fictieve, gelijknamige serie al op de streamingdienst, gebaseerd op de games van Bethesda. Met acteurs als Ella Purnell, Walton Goggins en Kyle MacLachlan wordt een alternatieve geschiedenis (en toekomst) geschetst waarbij de Verenigde Staten door een nucleaire winter geteisterd worden. Diverse samenlevingen houden het jarenlang vol in schuilkelders, en wanneer ze daar weer uit durven te komen, maken ze kennis met een aardoppervlakte die voorgoed veranderd is.

De serie bleek een grote hit en het eerste seizoen behaalde meer dan honderd miljoen kijkers. Het tweede seizoen is eind vorig jaar begonnen – wekelijks wordt er een nieuwe aflevering op Amazon Prime Video getoond. Het ziet er naar uit dat Amazon nu wil inspelen op dit succes door ook aan een realityshow binnen deze franchise te werken.

Een trage laptop is vaak te wijten aan één specifiek onderdeel: het werkgeheugen. De tijd dat 8 GB volstond, ligt in 2026 definitief achter ons. Maar hoeveel gigabytes heb je nu écht nodig voor een soepele ervaring met Windows en zware AI-functies? Wij duiken in de cijfers en helpen je een miskoop te voorkomen.

De eisen die software aan onze computers stelt veranderen razendsnel, zeker nu kunstmatige intelligentie diep in besturingssystemen wordt geïntegreerd. Waar je een paar jaar geleden nog prima uit de voeten kon met 8 GB werkgeheugen, liggen de standaarden in 2026 een stuk hoger. Sta je op het punt een nieuwe laptop of desktop aan te schaffen? Wij leggen uit hoeveel RAM je nodig hebt om de komende jaren vlot en toekomstbestendig te blijven werken.

Nog snel op zoek naar betaalbare geheugenplankjes? Check Kieskeurig.nl!

Waarom 16 GB het absolute minimum is geworden

Voorheen werd 8 GB RAM gezien als de gouden standaard voor basisgebruik, maar in 2026 is dit advies verouderd. Moderne besturingssystemen zoals Windows 11 en macOS 26 snoepen al een aanzienlijk deel van het geheugen op, nog voordat je een programma opent. Tel daar webbrowsers bij op die per tabblad steeds meer geheugen vragen en je computer loopt al snel vol. Voor simpele taken zoals tekstverwerking, e-mailen en het streamen van video's is 16 GB werkgeheugen daarom de nieuwe ondergrens. Hiermee voorkom je dat je computer voortdurend data naar bijvoorbeeld de tragere harde schijf moet verplaatsen, wat zorgt voor een trage en haperende gebruikservaring.

©Negro Elkha

De opkomst van AI-pc’s en de 32 GB-standaard

Wie zijn computer intensiever gebruikt of een toekomstbestendige aankoop wil doen, doet er verstandig aan om direct voor 32 GB RAM te kiezen. De belangrijkste reden hiervoor is de opmars van lokale AI-toepassingen. De zogenoemde AI-pc’s en Copilot+-systemen voeren zware berekeningen lokaal uit op de processor, wat een zware wissel trekt op het beschikbare werkgeheugen. Daarnaast vragen moderne games steeds vaker minimaal 16 GB tot 32 GB om soepel te draaien met hoge grafische instellingen. Met 32 GB heb je voldoende ademruimte om zware software, tientallen browser-tabbladen en achtergrondprocessen tegelijkertijd te draaien zonder prestatieverlies.

Wanneer is 64 GB of meer noodzakelijk?

Voor de gemiddelde consument en zelfs de fanatieke gamer is 64 GB werkgeheugen vaak nog overkill, maar er is een specifieke groep gebruikers voor wie dit in 2026 geen overbodige luxe is. Als je regelmatig aan de slag gaat met professionele videobewerking in 4K- of 8K-resolutie, complexe 3D-rendering of het draaien van zware virtuele machines, dan is deze hoeveelheid geheugen wel zo prettig. Ook ontwikkelaars die experimenteren met het lokaal draaien van grote taalmodellen (LLM’s) zullen merken dat 32 GB al snel tekortschiet. In deze scenario's fungeert het extra geheugen als een noodzakelijke buffer om wachttijden tijdens het renderen of compileren aanzienlijk te verkorten.

Snelheid is net zo belangrijk als capaciteit

Naast de hoeveelheid gigabytes is het in 2026 nogal belangrijk om te letten op de generatie van het geheugen. We bevinden ons in een overgangsfase waarin DDR4 langzaam heeft plaatsgemaakt voor het veel snellere DDR5-geheugen. Bij de aanschaf van een nieuw systeem heeft DDR5 zodoende absoluut de voorkeur. Deze nieuwe standaard biedt een veel hogere bandbreedte, wat betekent dat de processor gegevens sneller kan ophalen en wegschrijven. Dit merk je direct in de reactiesnelheid van het systeem, zeker in combinatie met snelle processors. Een systeem met 16 GB snel DDR5-geheugen kan in de praktijk vlotter aanvoelen dan een ouder systeem met 32 GB DDR4-geheugen.