FaceFusion 保姆级教程：本地部署视频换脸，10 分钟跑通第一次换脸

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/facefusion

FaceFusion 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.py

install.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_128

inswapper_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.py：blendswap_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 100，30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.ini，ini 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_preset：ffmpeg 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。

1. 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；
2. 还爆就把face_swapper_pixel_boost退回256x256（--face-swapper-pixel-boost 256x256）；
3. 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cpu，execution_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 20，face_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