FaceFusion 保姆级教程本地部署视频换脸10 分钟跑通第一次换脸【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusionFaceFusion 是可本地部署的视频换脸开源项目给一张源脸照片加一段目标视频它把视频里的人脸替换成源脸还能顺带做增强、年龄修改。适合会基础命令行的人最低环境是 Python 3.10 以上加 ffmpeg有 NVIDIA 显卡更好纯 CPU 也能跑。10 分钟跑通第一次换脸结论四步命令看到输出 mp4 且第一帧脸变了就算部署成功。FaceFusion 的本质是一条处理器流水线——每一帧先过人脸检测再依次进你勾选的模块最后合成输出所以跑通意味着检测和交换两个环节都通了。依次执行install.py 启动时会自己检查 Python 版本并自动下载全部模型权重不用手动找文件git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion python -m pip install -r requirements.txt python install.pyinstall.py跑完后终端滚完下载进度、无红色报错即为成功。然后跑第一次换脸python facefusion.py run \ --source-path 照片.jpg \ --target-path 视频.mp4 \ --output-path 输出.mp4看到输出.mp4生成、人脸已经是源脸部署完成。换脸模型怎么选先跑通用 inswapper_128inswapper_128是默认款快、稳第一次跑务必选它。完整模型清单在 face_swapper 的 choices.pyblendswap_256、ghost_1_256、hyperswap_1a_256、simswap_256、uniface_256等都属于更大的交换模型人脸细节更足但显存占用和处理时间明显上升。建议路径先用inswapper_128确认流程无误觉得细节不够再换大模型。指定模型加一个参数即可python facefusion.py run \ --source-path 照片.jpg \ --target-path 视频.mp4 \ --processors face_swapper \ --face-swapper-model blendswap_256 \ --output-path 输出.mp4显存小于 8G 的机器大模型搭配512x512以上的工作分辨率很容易爆显存换模型前先想好这一档怎么退见后文。把功能串成流水线换脸 增强 年龄修改多个能力靠--processors逗号分隔串起来执行顺序就是你写的顺序。增强解决脸清不清年龄修改解决脸像多大age_modifier的--age-modifier-direction取值 -100 到 10030变年轻、-30变年长。注意它是整体偏移不重排五官幅度超过 50 后往往会开始不自然。一条换脸 增强 轻微变年轻的最小流水线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 \ --source-path 照片.jpg \ --target-path 视频.mp4 \ --output-path 输出.mp4增强模型里gfpgan_1.4是常用起点codeformer、restoreformer_plus_plus也在可选清单里可按需替换。最值得动的 5 个参数附推荐值调参主战场是 facefusion.iniini 里的每个键都有对应命令行参数改 ini 或传 CLI 效果相同。face_swapper_pixel_boost交换模型的工作分辨率 → 128x128 到 1024x1024 六档 → 推荐 256x256 起步 → 提到 512x512 细节更锐但速度约降一半1024x1024 显存压力大face_detector_score人脸检测置信度阈值0~1→ 推荐 0.5~0.7 → 调高会漏掉侧面、遮挡的小脸调低到 0.3 会把背景里的鬼脸也框进来face_mask_blur换脸边缘羽化程度0~1→ 推荐 0.2~0.4 → 低于 0.1 边缘生硬像贴片高于 0.5 额头边界发糊video_memory_strategy内存占用策略 → strict / moderate / tolerant 三档 → 1080p 以上建议 strict → tolerant 最快但吃显存strict 会反复重载帧output_video_presetffmpeg 编码速度档位 → ultrafast 到 veryslow 共 9 档 → 交付用 medium、快速预览用 fast → 同画质下越慢文件越小 改完参数后长视频别直接跑全片用--target-frame-amount 100只处理前 100 帧验证效果成本最低。显存爆了怎么退档结论按策略 → 分辨率 → 帧范围三级退每退一级跑一次短片段确认。先把video_memory_strategy切到strict或加参数--video-memory-strategy strict这是收益最大的一步还爆就把face_swapper_pixel_boost退回256x256--face-swapper-pixel-boost 256x256长视频处理到一半卡死先用--target-frame-amount 200只跑部分帧测试定位是某段画面还是整体超限。CPU 机器另有一档execution_providers改成cpuexecution_thread_count设到物理核心数附近即可别盲目开满。脸飘、贴片感、输出糊排查清单现象 1一跑就提示模型文件缺失原因install.py没跑完或下载中断模型缓存不全。 解法重跑python install.py或执行python facefusion.py force-download强制补齐。现象 2人脸边缘有贴上去的感觉原因检测框贴边、mask 羽化不足。 解法face_detector_margin从 0 提到 20face_mask_blur提到 0.3。现象 3整段视频脸在飘、中途换脸原因跟踪阈值太松远处或模糊的脸也被锁定。 解法face_tracker_score从 0.5 降到 0.3。现象 4输出视频比原片糊原因output_video_quality或output_video_scale被调低了。 解法quality 保持 90 以上、scale 用 1.0并先确认源视频本身分辨率够。改代码或模型配置前想验证行为tests/ 目录里每个模块都有对应的test_cli_*.py用例跑一遍能立刻发现回归。完整动作链git clone→python install.py下模型 →run命令跑通第一次换脸 → 用face_swapper_pixel_boost、face_mask_blur、video_memory_strategy三个参数找画质与显存的平衡 → 出错按上面四条清单对号入座。这条链走顺之后剩下的事就是换更重的交换模型、拼更长的处理器流水线了。【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