diff --git a/README.md b/README.md
index c0c3b53..ad16b0d 100644
--- a/README.md
+++ b/README.md
@@ -1,2 +1,84 @@
-# sfdet
-I will write detailed instructions as soon as possible.
+# 环境
+运行pip install -r requirements.txt
+
+重要的包：
+
+    facenet-pytorch         2.5.2（人脸检测）
+    torchaudio              0.13.0+cu116
+    librosa                 0.9.2
+    opencv-python           4.6.0.66
+    torch                   1.13.0
+    albumentations          1.3.0 （数据增强库，做压缩和高斯模糊等实验使用）
+
+# 数据集
+在这个链接下载FakeAVCeleb:https://github.com/DASH-Lab/FakeAVCeleb
+
+然后在这个连接下载通用视频数据集 ：http://www.robots.ox.ac.uk/~vgg/data/voxceleb/
+
+这个连接对应的地址好像下载不了了=。= 后面他挪到一个韩国人实验室网站上面去了 
+
+# 数据预处理
+
+首先呢，这个数据集存在一个问题，真实视频只有500个，伪造的19500个。
+
+所以为了解决这个问题（顺便避免信息泄露问题），从VoxCeleb中随机挑选了同身份的真实视频，真实视频数量扩充到8000个：
+>python adddata.py
+
+adddata.py会生成一个addlist.txt，即选中的用以扩充的真实视频，然后将这些视频与原数据集合并，即为没有问题的数据集。
+
+
+
+
+用人脸检测算法提取视频的人脸帧，然后按五张连续一组分组，格式如下：
+
+      --FakeAVCeleb
+         --FakeVideo-FakeAudio
+            --African
+              --men
+               --id00076
+                 --0000000
+                 --0000001
+                 ...
+  不想自己实现的话，运行preprocess.py ，其将main()设置的文件夹下的视频按照这个格式进行检测或切片
+ > python preprocess.py
+ 
+ 对于VoxCeleb数据集，因为其太太太太太太大，没有用上其所有数据进行实验，所以对于每个人的视频只抽取了十秒作为训练样本。
+ 
+ 如果资源足够你可以试试把所有的视频都用来训练。
+ 
+ 处理方式：
+ 
+ >python prevox2.py
+ 
+ 完成后文件夹格式应当是这个样子：
+ 
+    VoxCeleb2
+      --dev
+       --mp4
+        --id00012
+         --train
+           --0000
+           --0001
+
+然后，将这些视频分为训练集和测试集：
+>python split.py
+
+会生成train.txt和test.txt
+
+# 预训练
+>python pretrain.py --data_root --num_gpu --checkpoint_dir --lr --batch_size
+
+data_root 为数据集地址。num_gpu为指定用哪几块卡 比如'1,2' checkpoint_dir为保存训练参数的文件夹。
+
+PS.可以自行更换不同的人脸和语音编码器尝试训练。更改训练代码中的face_encoder和voice_encoder即可。
+
+# 训练
+>python train.py --data_root --num_gpu --checkpoint_dir --lr --batch_size
+
+在train.py中可以更改预加载权重。
+
+# 测试
+
+>python testn.py
+
+会生成相似度分布图