FaceFusion 换脸实战指南：参数推荐值与排障速查
【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusion
FaceFusion 是一个开源的人脸操控平台，核心功能是把一张源人脸换进图片或视频，并处理增强、掩膜边界问题。本文面向第一次使用的读者，给出换脸、人脸增强、面部掩膜三块可直接照抄的参数推荐值，以及「症状→成因→处理」的排障清单。
装完就能跑：三条命令启动 Web 界面
准备一个 Python 3 环境（需要 ffmpeg 在系统路径可用），然后：
git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion pip install -r requirements.txt python facefusion.py run启动后会自动拉起 Gradio 网页界面，终端会打印访问地址。首次运行或首次切换模型时，程序会自动下载对应模型文件，不用手动去下。界面里调过的参数会持久化到项目根目录的 facefusion.ini，重启不丢。
第一次拿到结果：界面与最小输入要求
界面分四块：SOURCE（源）、TARGET（目标）、PROCESSORS（处理流程）、OUTPUT（输出）。第一次跑只需满足三个条件：
- 源图必须是一张只含一张脸的图片——代码里换脸模块会检测「是否恰好一张脸」，多人图会直接报错退出；
- 目标可以是图片（jpg/png 等）或视频（mp4/mov/mkv 等）；
- 处理流程勾选
face_swapper，输出目录填一个存在的文件夹，点 Run。
跑完后到 Output 区域点下载，或在预览窗口看中间帧。命令行党可以直接用headless-run，跳过界面：
python facefusion.py headless-run -s source.jpg -t target.mp4 -o output/注意-o后面是目录，扩展名必须和目标一致，否则会被拒绝。
逐个功能定参数
换脸模块：决定脸换得像不像、糊不糊
先解决什么：换脸是整条流水线的起点，源脸被缩放塞进模型输入分辨率，换完的脸普遍偏糊、边缘生硬。不把这步调好，后面增强和掩膜都是在补救模糊。
在哪调：处理流程勾选face_swapper后出现三个控件：模型、pixel boost（输入分辨率）、weight。实现在 facefusion/processors/modules/face_swapper/。
推荐值：
- 模型先选
inswapper_128，稳定、速度快；追求纹理细节换hyperswap_1a_256（这也是代码里的默认值）。 - pixel boost 默认
128x128，目标视频是 1080p 以上时升到512x512。低于默认意味着脸在模型里只有 128 像素，五官细节必然丢失；升到 1024 计算量涨好几倍，除非出片否则不值。 - weight 建议设在 0.5-0.7。低于 0.5 会残留太多目标脸的五官特征，看起来像「两张脸叠印」；高于 0.9 源脸的肤色、脸型会原样搬过来，和身体、光影接不上。
怎么验收：放大预览帧对比源图与结果的下颌线走向和肤色。出现双边缘（脸的轮廓有两条线）、明显色偏或「贴纸感」，先把 weight 压回 0.5，再去看掩膜的 blur。
增强模块：把糊脸补清晰
先解决什么：换完的脸分辨率不足、毛孔和发丝发糊。增强模块用人脸修复模型做超分和细节重建，不做这步，1080p 以上出片脸部会明显虚。
在哪调：处理流程勾选face_enhancer，出现模型、blend、weight 三个控件。
推荐值：
- 模型选
gfpgan_1.4（代码默认值），通用性最好；codeformer修复感更重，适合烂画质救场。 - blend 建议设在 70-90。blend 是增强帧与原始帧的混合比例：低于 70 提升肉眼几乎看不出；高于 90 皮肤会被过度平滑，出现油亮的「塑料感」。
- weight 保持 0.5 附近即可，它控制增强模型对结果的信任度，日常不用动。
怎么验收：放大看眼睛、嘴唇、发际线这三个高对比区。皮肤纹理清晰但不反光就是合格；一旦脸部出现磨皮味或高光变糊，把 blend 往回压到 70，而不是继续加。
掩膜模块：把边界揉自然
先解决什么：掩膜决定「只替换脸的哪一块」以及边缘羽化程度。边界锯齿、耳朵头发残留、背景元素泄漏，基本都是这里的问题。核心实现在 facefusion/face_masker.py，blur 通过高斯模糊对掩膜边缘做柔化。
在哪调：界面 Face Masker 区域，含掩膜类型、遮挡模型（face_occluder_model）、blur 滑块、四边 padding。
推荐值：
face_mask_types同时勾选box和occlusion。只勾 box 是最省事的默认，但方盒边缘会在发际线、耳朵处露出硬边；加上 occlusion 用分割模型把脸抠准。face_mask_blur设 0.5-1.0（默认 0.3）。低于 0.3 边缘基本是硬切，放大看会有锯齿；拉到 1.0 附近边缘过度发虚，脸和背景交界发雾。face_occluder_model从xseg_1起步（默认值），边界不稳再升xseg_2。- 目标里有多人且选错时，人脸选择默认就是 reference 模式，
reference_face_distance建议 0.2-0.4：低于 0.2 只认几乎同位置的脸，转头就丢；高于 0.5 会误框旁边的人。
怎么验收：检查脸与背景的交界，要无锯齿、无光晕；再看原图的头发、耳朵、衣领有没有被替换进输出。有泄漏就升遮挡模型，有光晕就调高 blur。
照抄即用：三套场景组合
| 用途 | 推荐组合 | 为什么这么搭 |
|---|---|---|
| 短视频快出 | inswapper_128（pixel boost 256x256）+gfpgan_1.4blend 80，blur 0.5，output_video_preset用veryfast、quality 80 | 128 模型 + 快编码，几分钟出片，画质够平台投放 |
| 精修出片 | hyperswap_1a_256（pixel boost 512x512）+gfpgan_1.4blend 70-90，blur 0.5-1.0，quality 85-90，preset 降到fast | 256 输入模型纹理更细，高一点编码质量保皮肤细节 |
| 批量长视频 | xseg_1掩膜 +video_memory_strategy设strict，thread count 取 CPU 核数 50-75% | strict 策略每阶段释放模型内存，长视频不爆显存，优先保吞吐 |
进阶选项：档位与执行环境
遮挡模型分档：xseg_1最快，预览和批量够用；xseg_2精度与速度折中，日常精修选它；xseg_3精度最高，出片级再用；选many会把三个模型都跑一遍取交集，边界最稳但最慢，只给关键素材。
执行后端在execution_providers配置：NVIDIA 卡优先tensorrt（首次构建引擎缓存慢，之后走缓存明显加速），其次cuda；Windows 上directml是稳妥选择，没有 GPU 就落到cpu。execution_thread_count范围 1-32，一般设为物理核数的 50-75%，开满反而因上下文切换变慢。处理 10 分钟以上长视频时把video_memory_strategy设为strict（代码默认即 strict），它会在每个处理阶段清空推理池，代价是阶段间重复加载模型。
不对劲时查这里
- 视频里人脸闪跳、忽而这张脸忽而那张脸→ 跟踪置信度不够或多人场景选错脸 → 把
face_tracker_score从 0 提到 0.05-0.2，或保持 reference 选择模式并微调reference_face_distance - 边界锯齿、原头发或背景泄漏进结果→ 掩膜没盖全或羽化不足 →
box+occlusion双开，face_mask_blur提到 0.5-1.0，遮挡模型升到xseg_2或xseg_3 - 换完的脸发塑料、皮肤发亮→ blend 过高导致过度修复 →
face_enhancer_blend压到 70，或换gpen_bfr_512对比效果 - 脸部细节糊、放大全是马赛克→ 模型输入分辨率太低 →
face_swapper_pixel_boost升到512x512再跑 - 长视频跑到一半显存溢出→ 帧缓冲占满显存 →
video_memory_strategy改strict，同时确认 preset 别选veryslow这类慢编码
收尾
按「先跑通换脸 → 再叠增强 → 最后抠掩膜边界」的顺序练手，每一层只动一个参数，用预览帧验证后再进下一层。调好的组合写进 facefusion.ini 存成预设，下次直接加载。
【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
