FaceFusion 教程本地部署视频换脸10 分钟完整跑通【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusion这是一份面向首次使用者的 FaceFusion 本地部署视频换脸指南给一张源脸照片和一段目标素材画面里的人脸会被整体替换成源脸还可以接着做画质修复与年龄偏移。写给有基础命令行操作习惯、想在自己电脑上跑视频换脸的朋友带 NVIDIA 显卡的机器体验最佳。 FaceFusion 本地部署步骤四步跑通环境先确认环境门槛只有三条Python 3.10 及以上项目启动时会自行校验、ffmpeg 在系统 PATH 中输出视频由它编码、有 NVIDIA 显卡更好纯 CPU 也能跑只是更慢。把下面这条主线按顺序执行完环境就齐了git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion python -m pip install -r requirements.txt python install.py所有模型权重由install.py统一拉取不需要手动找文件。接着执行第一次换脸python facefusion.py run \ --source-path 照片.jpg \ --target-path 视频.mp4 \ --output-path 输出.mp4生成 mp4 且首帧人脸已发生变化即代表部署成功。关于能力面版本为 3.8.0见 metadata.py内部是一组模块流水线每帧先过人脸检测再依次穿过你勾选的模块最后合成输出。常用组合就三类face_swapper 换脸、face_enhancer 修画质、age_modifier 改年龄外加 lip_syncer、face_editor 等独立能力每个模块在 facefusion/processors/modules/ 下独占一个文件夹文件夹名即模块 ID。 按任务选能力组合换脸、修画质、改年龄目标一让画面里的脸变成指定人。开启 face_swapper 即可python facefusion.py run \ --processors face_swapper \ --face-swapper-model inswapper_128 \ --source-path 照片.jpg --target-path 视频.mp4模型怎么选inswapper_128是默认款速度与稳定性最稳首跑推荐它blendswap_256、ghost_1_256、hyperswap_1a_256这类更大规格的面部细节更足代价是显存和时间双双明显上涨完整清单在 face_swapper 的 choices.py。一句避坑源照片尽量正脸、清晰否则整段输出的上限就被它锁死。目标二把糊掉的脸修清楚。在逗号后追加 face_enhancer接在同一条流水线上python facefusion.py run \ --processors face_swapper,face_enhancer \ --face-enhancer-model gfpgan_1.4face_enhancer_blend取值 0~10070 前后是修得清楚但没塑料感的起点40 以下基本只做去噪90 以上细节锐利但容易失真。一句避坑增强只能补救救不回完全糊成色块的脸。目标三让脸显得更年轻或更年长。接入 age_modifierpython facefusion.py run \ --processors face_swapper,age_modifier \ --age-modifier-direction 3030偏年轻、-30偏年长全区间 -100 到 100。说直白点它属于整脸层面的平移不会重排五官结构幅度越过 50 就容易产生明显违和感。⚖️ 视频换脸最快参数配置速度、画质、显存三方平衡调参主战场是 facefusion.ini其中每个键都与命令行参数一一对应写进文件或直接运行时传参都可以。最值得动的五项如下参数推荐值什么时候该动它face_swapper_pixel_boost256x256输出细节不够时提到 512x512速度约降一半显存低于 8G 别碰 1024x1024face_detector_score0~10.5~0.7漏检侧面小脸就往下调调到 0.3 会把背景杂物也框进来就往上收face_mask_blur0~10.2~0.4低于 0.1 边缘生硬像贴片高于 0.5 额头边界发糊video_memory_strategy1080p 以上选 strictstrict 最省显存但会反复重载帧tolerant 最省时间但最吃显存按需取舍output_video_preset交付用 medium预览用 fastultrafast 到 veryslow 共 9 档同画质下档位越慢文件越小一份能直接落地的最小配置[execution] execution_providers cuda [memory] video_memory_strategy strict纯 CPU 机器把该项改为cpu再把execution_thread_count放到物理核心数附近即可不必拉满。 FaceFusion 报错排查清单看到什么做什么看到什么做什么一启动就提示模型文件缺失重跑python install.py或用python facefusion.py force-download强制补齐脸边缘有贴片感或中途人脸漂移face_detector_margin从 0 提到 20、face_mask_blur提到 0.3仍漂移就把face_tracker_score从 0.5 降到 0.3显存爆掉长视频处理到一半卡死策略切回 strict、pixel_boost退回 256x256并用--target-frame-amount先只跑部分帧做验证成片比原片更糊output_video_quality保持 90 以上、output_video_scale维持 1.0同时核对源视频本身分辨率 再进一步自定义模块、回归测试与全量配置三个值得看的地方加自定义处理器照 face_swapper 模块 的四件套复制一份——core.py写实现、choices.py定选项、locales.py管文案、types.py声明类型——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对应的test_cli_*.py用例改完执行对应文件回归问题当场暴露查全量配置清单facefusion.ini 列出所有键名遇到不认识的参数先来这里对键名模型生态方面uniface、simswap 等第三方权重已列在 face_swapper 的 choices 清单中装好环境后即可在界面或命令行里直接选用。下一步怎么走显存低于 8G先固定 strict 256x256 把画质跑稳再谈锐度长视频先用--target-frame-amount小范围验证参数定型后再跑全量inswapper_128 跑通之后逐个换成 blendswap_256 或 ghost_1_256肉眼对比细节差异再定主力模型【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