3 步在本地跑通视频换脸FaceFusion 部署、调参与排障完整指南【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusion想把照片里的人搬进一段视频FaceFusion 是一个完全本地运行的开源视频换脸平台你只提供一张源脸照片和一段目标视频它逐帧检测人脸、完成替换再把结果编码成新视频返回。除了换脸它还能顺手修复糊掉的人脸、调整面部年龄甚至做口型同步。本文带你从零基础环境配置一路走到调参排障。它按什么顺序处理每一帧在敲命令之前先建立一个大致的心理模型后面所有参数都能对号入座。FaceFusion 对视频的每一帧依次做三件事定位用人脸检测模型框出画面里的每张脸facefusion/face_detector.py加工按你指定的顺序把脸送进各个处理模块落盘由 ffmpeg 把处理完的帧合成输出视频facefusion/ffmpeg_builder.py第 2 步的处理模块就是玩法所在。每个模块都是 facefusion/processors/modules/ 下的一个独立文件夹文件夹名就是模块 ID常用几个模块 ID干什么用关键参数face_swapper用源脸替换目标视频里的人脸--face-swapper-modelface_enhancer修复模糊、低清的脸--face-enhancer-model、--face-enhancer-blendage_modifier把脸整体往年轻或年长方向偏移--age-modifier-direction-100 ~ 100lip_syncer对口型--lip-syncer-modelframe_enhancer修复整帧画质不只脸--frame-enhancer-model当前版本为 3.8.0见 facefusion/metadata.py。部署前的环境自检先说结论Python 3.10 及以上 系统里装好 ffmpeg两条满足就能装。NVIDIA 显卡有最好没有也能用 CPU 跑只是慢。打开终端确认一下python --version ffmpeg -version两行命令都能正常打印版本号说明环境没问题。如果缺 ffmpeg用系统包管理器apt / brew / winget装一个即可。从零跑通第一次换脸3 步部署以下 3 步在仓库根目录执行每步都有明确的成功标志。第 1 步拿到代码git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion第 2 步装依赖并下载全部模型python -m pip install -r requirements.txt python install.pyinstall.py 会一次性把换脸、增强等模块所需的模型权重全部拉下来。成功标志install.py跑完后没有任何中断报错。这里容易翻车——如果网络中断模型缓存会不完整后面运行时才暴露所以这步一定要看到完整结束。第 3 步跑第一条换脸命令python facefusion.py run \ --source-path 照片.jpg \ --target-path 视频.mp4 \ --output-path 输出.mp4参数含义一句话版本--source-path是你要搬进视频的源脸照片--target-path是被替换脸的视频--output-path是结果存放路径。成功标志终端打印出输出文件路径、输出.mp4真实生成且打开后第一帧的人脸已经变成源脸。到这里部署就算跑通了 ✅组合玩法一条 --processors 串起整条流水线单个命令可以同时启用多个模块用--processors逗号分隔即可顺序就是执行顺序python facefusion.py run \ --processors face_swapper,face_enhancer,age_modifier \ --face-swapper-model inswapper_128 \ --face-enhancer-model gfpgan_1.4 \ --age-modifier-direction 30这条命令的效果链先换脸 → 再把换完的脸修清晰 → 最后往幼态方向偏移 30 个单位。换脸模型怎么选。完整清单在 face_swapper 的 choices.py规律很直白inswapper_128默认款速度快、占用小第一次跑通先用它blendswap_256、ghost_1_256、hyperswap_1a_256更大的模型面部细节更足代价是显存和耗时都明显上升simswap_256、uniface_256等第三方权重也已内置装好即可选增强模型怎么选。可选gfpgan_1.2 / 1.3 / 1.4、codeformer、gpen_bfr_512、restoreformer_plus_plus等face_enhancer 的类型定义里都有。gfpgan_1.4是修得清、不容易过曝的稳妥起点。年龄偏移的边界。--age-modifier-direction正数偏年轻、负数偏年长。它是整脸平移不重排五官所以幅度超过 50 之后观感开始崩建议从小值试起。调参4 个最值得动的旋钮调之前先记住一件事所有 ini 键都和命令行参数一一对应全部键名见 facefusion.ini。下面是 4 个性价比最高的旋钮附推荐值与副作用参数推荐值调高会发生什么调低会发生什么face_swapper_pixel_boost换脸工作分辨率256x256起步512x512细节更锐速度约降一半1024x1024显存小 8G 的机器别碰128x128最快但脸部发糊face_detector_score检测置信度 0~10.5 ~ 0.7侧面、遮挡的小脸会被漏掉降到 0.3 会把背景里的鬼脸也框进来face_mask_blur脸部边缘羽化 0~10.2 ~ 0.4超过 0.5 额头边界发糊低于 0.1 边缘生硬明显像贴的video_memory_strategy帧内存策略1080p 以上用stricttolerant最快但吃显存strict最省显存但反复重载帧速度变慢另外两个输出端参数常被误伤output_video_preset提供 ultrafast 到 veryslow 共 9 档交付成品用medium、快速预览用fastface_enhancer_blend建议从 70 起步低于 40 基本只去噪、高于 90 容易塑料感。一段能直接落地的最小 ini 配置[execution] execution_providers cuda [memory] video_memory_strategy strictCPU 机器把execution_providers改成cpu线程数设到物理核心数附近即可别盲目开满。翻车现场对照表排障问答问一运行就提示模型文件缺失大概率是install.py没跑完或中途断了模型缓存不全。重跑一次python install.py或者用python facefusion.py force-download强制补齐再回来跑run。问换完的脸边缘像贴纸或者整段视频脸在飘贴纸感说明检测框太紧、羽化不足face_detector_margin从 0 提到 20 给框留余量同时face_mask_blur提到 0.3。脸在飘则是跟踪阈值太松导致中途锁定到别的脸把face_tracker_score从 0.5 降到 0.3。问显存直接爆掉长视频跑到一半卡死这是分辨率 × pixel_boost × tolerant 策略三项乘积超了预算。先切回strict、pixel_boost退回256x256处理长视频时先用--target-frame-amount只跑部分帧验证流程通了再全量执行。问输出视频比原片还糊查输出端而不是处理端output_video_quality保持 90 以上、output_video_scale用 1.0然后再确认源视频本身的分辨率够不够。想继续深入三个入口写一个自定义处理器照 face_swapper 模块 的四件套复制一份——core.py写逻辑、choices.py定义选项、locales.py放文案、types.py声明类型——就是一个新模块的完整骨架改完参数先跑测试tests/ 目录下每个模块都有test_cli_*.py用例改动后跑对应文件回归问题当场就能暴露查所有可配置项facefusion.ini 是全量键名清单遇到不认识的命令行参数先来这里查对应的 ini 键回顾一下这条动作链自检 Python 与 ffmpeg → clone 仓库并跑install.py拉模型 → 一条run命令验证首帧换脸成功 → 用pixel_boost、face_mask_blur、video_memory_strategy三个旋钮在速度、画质、显存之间找平衡 → 出问题回到排障问答对号入座。走顺这条链之后下一步值得尝试的是换更大的换脸模型、把lip_syncer等模块拼进更长的流水线或者按模块四件套动手写一个属于自己的处理器。【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusion创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
3 步在本地跑通视频换脸FaceFusion 部署、调参与排障完整指南【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusion想把照片里的人搬进一段视频FaceFusion 是一个完全本地运行的开源视频换脸平台你只提供一张源脸照片和一段目标视频它逐帧检测人脸、完成替换再把结果编码成新视频返回。除了换脸它还能顺手修复糊掉的人脸、调整面部年龄甚至做口型同步。本文带你从零基础环境配置一路走到调参排障。它按什么顺序处理每一帧在敲命令之前先建立一个大致的心理模型后面所有参数都能对号入座。FaceFusion 对视频的每一帧依次做三件事定位用人脸检测模型框出画面里的每张脸facefusion/face_detector.py加工按你指定的顺序把脸送进各个处理模块落盘由 ffmpeg 把处理完的帧合成输出视频facefusion/ffmpeg_builder.py第 2 步的处理模块就是玩法所在。每个模块都是 facefusion/processors/modules/ 下的一个独立文件夹文件夹名就是模块 ID常用几个模块 ID干什么用关键参数face_swapper用源脸替换目标视频里的人脸--face-swapper-modelface_enhancer修复模糊、低清的脸--face-enhancer-model、--face-enhancer-blendage_modifier把脸整体往年轻或年长方向偏移--age-modifier-direction-100 ~ 100lip_syncer对口型--lip-syncer-modelframe_enhancer修复整帧画质不只脸--frame-enhancer-model当前版本为 3.8.0见 facefusion/metadata.py。部署前的环境自检先说结论Python 3.10 及以上 系统里装好 ffmpeg两条满足就能装。NVIDIA 显卡有最好没有也能用 CPU 跑只是慢。打开终端确认一下python --version ffmpeg -version两行命令都能正常打印版本号说明环境没问题。如果缺 ffmpeg用系统包管理器apt / brew / winget装一个即可。从零跑通第一次换脸3 步部署以下 3 步在仓库根目录执行每步都有明确的成功标志。第 1 步拿到代码git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion第 2 步装依赖并下载全部模型python -m pip install -r requirements.txt python install.pyinstall.py 会一次性把换脸、增强等模块所需的模型权重全部拉下来。成功标志install.py跑完后没有任何中断报错。这里容易翻车——如果网络中断模型缓存会不完整后面运行时才暴露所以这步一定要看到完整结束。第 3 步跑第一条换脸命令python facefusion.py run \ --source-path 照片.jpg \ --target-path 视频.mp4 \ --output-path 输出.mp4参数含义一句话版本--source-path是你要搬进视频的源脸照片--target-path是被替换脸的视频--output-path是结果存放路径。成功标志终端打印出输出文件路径、输出.mp4真实生成且打开后第一帧的人脸已经变成源脸。到这里部署就算跑通了 ✅组合玩法一条 --processors 串起整条流水线单个命令可以同时启用多个模块用--processors逗号分隔即可顺序就是执行顺序python facefusion.py run \ --processors face_swapper,face_enhancer,age_modifier \ --face-swapper-model inswapper_128 \ --face-enhancer-model gfpgan_1.4 \ --age-modifier-direction 30这条命令的效果链先换脸 → 再把换完的脸修清晰 → 最后往幼态方向偏移 30 个单位。换脸模型怎么选。完整清单在 face_swapper 的 choices.py规律很直白inswapper_128默认款速度快、占用小第一次跑通先用它blendswap_256、ghost_1_256、hyperswap_1a_256更大的模型面部细节更足代价是显存和耗时都明显上升simswap_256、uniface_256等第三方权重也已内置装好即可选增强模型怎么选。可选gfpgan_1.2 / 1.3 / 1.4、codeformer、gpen_bfr_512、restoreformer_plus_plus等face_enhancer 的类型定义里都有。gfpgan_1.4是修得清、不容易过曝的稳妥起点。年龄偏移的边界。--age-modifier-direction正数偏年轻、负数偏年长。它是整脸平移不重排五官所以幅度超过 50 之后观感开始崩建议从小值试起。调参4 个最值得动的旋钮调之前先记住一件事所有 ini 键都和命令行参数一一对应全部键名见 facefusion.ini。下面是 4 个性价比最高的旋钮附推荐值与副作用参数推荐值调高会发生什么调低会发生什么face_swapper_pixel_boost换脸工作分辨率256x256起步512x512细节更锐速度约降一半1024x1024显存小 8G 的机器别碰128x128最快但脸部发糊face_detector_score检测置信度 0~10.5 ~ 0.7侧面、遮挡的小脸会被漏掉降到 0.3 会把背景里的鬼脸也框进来face_mask_blur脸部边缘羽化 0~10.2 ~ 0.4超过 0.5 额头边界发糊低于 0.1 边缘生硬明显像贴的video_memory_strategy帧内存策略1080p 以上用stricttolerant最快但吃显存strict最省显存但反复重载帧速度变慢另外两个输出端参数常被误伤output_video_preset提供 ultrafast 到 veryslow 共 9 档交付成品用medium、快速预览用fastface_enhancer_blend建议从 70 起步低于 40 基本只去噪、高于 90 容易塑料感。一段能直接落地的最小 ini 配置[execution] execution_providers cuda [memory] video_memory_strategy strictCPU 机器把execution_providers改成cpu线程数设到物理核心数附近即可别盲目开满。翻车现场对照表排障问答问一运行就提示模型文件缺失大概率是install.py没跑完或中途断了模型缓存不全。重跑一次python install.py或者用python facefusion.py force-download强制补齐再回来跑run。问换完的脸边缘像贴纸或者整段视频脸在飘贴纸感说明检测框太紧、羽化不足face_detector_margin从 0 提到 20 给框留余量同时face_mask_blur提到 0.3。脸在飘则是跟踪阈值太松导致中途锁定到别的脸把face_tracker_score从 0.5 降到 0.3。问显存直接爆掉长视频跑到一半卡死这是分辨率 × pixel_boost × tolerant 策略三项乘积超了预算。先切回strict、pixel_boost退回256x256处理长视频时先用--target-frame-amount只跑部分帧验证流程通了再全量执行。问输出视频比原片还糊查输出端而不是处理端output_video_quality保持 90 以上、output_video_scale用 1.0然后再确认源视频本身的分辨率够不够。想继续深入三个入口写一个自定义处理器照 face_swapper 模块 的四件套复制一份——core.py写逻辑、choices.py定义选项、locales.py放文案、types.py声明类型——就是一个新模块的完整骨架改完参数先跑测试tests/ 目录下每个模块都有test_cli_*.py用例改动后跑对应文件回归问题当场就能暴露查所有可配置项facefusion.ini 是全量键名清单遇到不认识的命令行参数先来这里查对应的 ini 键回顾一下这条动作链自检 Python 与 ffmpeg → clone 仓库并跑install.py拉模型 → 一条run命令验证首帧换脸成功 → 用pixel_boost、face_mask_blur、video_memory_strategy三个旋钮在速度、画质、显存之间找平衡 → 出问题回到排障问答对号入座。走顺这条链之后下一步值得尝试的是换更大的换脸模型、把lip_syncer等模块拼进更长的流水线或者按模块四件套动手写一个属于自己的处理器。【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusion创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
