FaceFusion 保姆级教程本地部署人脸融合10分钟跑通视频换脸【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusionFaceFusion 是一个可以本地部署的人脸融合开源项目给一张源脸照片加一段目标视频它就把视频里的人脸替换成源脸还能顺带串上人脸增强与年龄修改。适合会基础命令行、想在自己电脑尤其是带 NVIDIA 显卡的机器上跑视频换脸的新手当前版本 3.8.0。最小闭环从零到第一次人脸融合输出 环境要求就三样Python 3.10 及以上install.py 启动时自动检查ffmpeg 在系统 PATH 中输出视频由它负责编码有 NVIDIA 显卡最好CPU 也能跑只是速度慢部署并下载全部模型权重git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion python -m pip install -r requirements.txt python install.py第一次换脸python facefusion.py run --source-path 照片.jpg --target-path 视频.mp4 --output-path 输出.mp4看到输出路径出现 mp4、第一帧人脸已经变了就算跑通了。能力拆解每个模块解决什么问题FaceFusion 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模块 ID 就是 processors 目录下的文件夹名。face_swapper人脸交换—— 用源脸替换视频里所有目标人脸。默认选inswapper_128快、稳。边界是原 128 分辨率细节有限要靠 pixel boost 补。face_enhancer人脸增强—— 修复模糊、低分辨率的脸。默认选gfpgan_1.4。边界是只修人脸区域不处理背景和身体。age_modifier年龄修改—— 把整张脸往幼态或老态偏移。默认选styleganex_age。边界是整体偏移不重排五官。lip_syncer口型同步—— 让嘴型对齐视频里的语音。默认选wav2lip_gan。边界是只改嘴部区域不替换整张脸。简单说交换解决脸是谁增强解决脸清不清年龄修改解决脸像多大三者一条命令就能串成流水线。把核心功能串成一条命令多个能力靠--processors逗号分隔串起来换脸 人脸增强的例子python facefusion.py run \ --processors face_swapper,face_enhancer \ --face-swapper-model inswapper_128 \ --face-enhancer-model gfpgan_1.4--processors逗号分隔的模块清单顺序就是流水线顺序--face-swapper-model默认款inswapper_128先跑通进阶款blendswap_256、ghost_1_256、hyperswap_1a_256人脸细节更足但显存和时间明显上升完整清单见 choices.py--face-enhancer-modelgfpgan_1.4是通用款gpen_bfr_2048更重适合高分辨率近景换脸 年龄修改则追加--age-modifier-direction 30正值变年轻、-30变年长。参数调优影响效果上限的五个旋钮 ⚙️facefusion.ini 的每个键都有对应命令行参数最值得动的是这五个face_swapper_pixel_boost128x128~1024x1024 → 256x256 起步最稳 → 提到 512x512 细节更锐、速度大约降一半显存小于 8G 别碰 1024x1024face_detector_score0~1 → 建议 0.5~0.7 → 调高会漏掉侧面、遮挡的小脸调低到 0.3 会把背景鬼脸也框进来face_mask_blur0~1 → 建议 0.2~0.4 → 低于 0.1 边缘生硬像贴片高于 0.5 额头边界会糊video_memory_strategystrict / 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_presetultrafast 到 veryslow 共 9 档 → 交付用 medium → 快速预览用 fastveryslow 同画质下文件最小一段能落地的最小配置[execution] execution_providers cuda [memory] video_memory_strategy strictCPU 机器把execution_providers改成cpuexecution_thread_count设到物理核心数附近别盲目开满。出问题了按这个清单对号入座 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或整段视频脸在飘→ 原因检测框不准、mask 羽化不足face_tracker_score太松导致中途换脸 → 解法face_detector_margin从 0 提到 20、face_mask_blur提到 0.3脸在飘就把face_tracker_score从 0.5 降到 0.3现象 3显存爆了或长视频处理到一半卡死→ 原因分辨率 × pixel_boost × tolerant 策略的乘积超出了显存 → 解法切回 strictpixel_boost 退回 256x256长视频先用--target-frame-amount只处理部分帧做测试现象 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走顺之后可以去哪加自定义处理器照着 face_swapper 模块 的四件套core 实现、choices 选项、locales 文案、types 类型复制一份就是一个新处理器的完整骨架改参数前先跑测试tests 目录 里每个模块都有test_cli_*.py用例改动后跑一遍对应文件能立刻发现回归查全部可配置项facefusion.ini 列出了所有键名命令行参数与 ini 键一一对应遇到不认识的参数先来查键名完整动作链clone 仓库 → install.py 下模型 → run 命令跑通第一次换脸 → 用 pixel_boost、face_mask_blur、video_memory_strategy 三个参数找平衡 → 出问题按上面的排查清单对号入座。把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