企业官网建设流程全解析

FaceFusion 人脸交换完整指南：3 步出效果，还有让画面更自然的 5 个参数

【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusion

FaceFusion 是一个开源的本地人脸融合平台：给一张照片当"源脸"、给一个视频当"目标"，它就能把人脸交换进行到底，还顺带提供人脸增强、口型同步、年龄调整、背景去除等 9 类处理。全程在本地机器上跑，不上传素材，免费可用。

一句话看懂：FaceFusion 到底帮你解决什么问题

一句话：你拍一段视频、选一张正脸照片，FaceFusion 自动完成"找到脸 → 对齐 → 换脸 → 自然融合 → 输出视频"这套流程。

为什么值得用：

• 本地运行：素材不用上传到任何网站，隐私自己掌握
• 免费、开源（OpenRAIL-AS 许可），功能不阉割
• 可组合：换脸、增强、口型同步可以串成一条流水线，一次跑完
• 命令行 + 网页界面双入口：会终端用终端，不会终端也能在浏览器里点

如果你只是想偶尔换张脸玩玩，网页工具就够了；但只要有"批量处理、本地跑、效果可控"这三条中任意一条，FaceFusion 就是更合适的选择。

3 步完成安装与首次运行

前提条件：Python 3.10 及以上，以及 ffmpeg（视频处理的地基工具，终端里输ffmpeg -version能出版本号就 OK）。

第 1 步：拿到代码

git clone https://gitcode.com/GitHub_Trending/fa/facefusion

第 2 步：建虚拟环境并安装依赖（cd facefusion进入目录后执行）

python -m venv .venv # Windows 用 `.\.venv\Scripts\activate`，Linux/macOS 用下面这条 source .venv/bin/activate pip install -r requirements.txt

依赖不多：onnxruntime 负责跑模型、opencv 管图像、gradio 是网页界面，装完即可。

第 3 步：跑第一次人脸交换

python facefusion.py run -s 源脸照片.jpg -t 目标视频.mp4 -o 输出.mp4

首次运行会自动下载所需的模型文件，耐心等它下完即可。之后每次启动，浏览器里会自动弹出操作界面，也可以只走命令行。

嫌终端麻烦？项目说明里提到官方提供 Windows 和 macOS 的安装器，对不想碰终端的用户更友好。

跑完这条命令，你的桌面上应该已经躺着一个换好脸的视频——第一次上手到此结束。

9 个功能模块：每个能干什么、适合谁

--processors参数就是 FaceFusion 的"功能开关"，可以只开一个，也可以一次开好几个。逐个说：

1. face_swapper 人脸交换——整个平台的招牌，前面演示的就是它。适合所有场景。

python facefusion.py run -s 源脸.jpg -t 目标.mp4 -o 输出.mp4 --processors face_swapper

2. face_enhancer 人脸增强——用超分模型把糊掉的脸修清晰，不动五官结构。适合老视频修复、低清直播回放。

python facefusion.py run -t 目标.mp4 -o 输出.mp4 --processors face_enhancer

3. lip_syncer 口型同步——按音频重新驱动嘴巴开合，让口型和声音对得上。适合配音、字幕音轨替换后的补救。

4. age_modifier 年龄调整——把同一张脸变年轻或变老，拍"时光流逝"类内容很实用。

5. expression_restorer 表情恢复——换脸后脸容易"木"，它把目标脸上原本的表情迁移回来，让结果更生动。

6. face_editor 局部微调——眉眼方向、眼神、嘴型、头姿角度都能单独调。适合精修阶段做最后微调。

7. background_remover 背景去除——把人物抠出来换成纯色或透明背景。适合做产品图、虚拟背景。

8. frame_colorizer 黑白上色——给老照片、老新闻片段做 AI 上色。

9. frame_enhancer 整帧画质增强——对整帧画面做超分和降噪，不只管脸。适合整体提升老片观感。

多模块串联（一次命令干完"换脸 + 修脸"）：

python facefusion.py run -s 源脸.jpg -t 目标.mp4 -o 输出.mp4 --processors face_swapper face_enhancer

模块按顺序执行，每个模块的参数都能单独传，互不干扰。

让画面更自然的 5 个参数

默认值就能出片，但想要"以假乱真"，重点调这 5 个：

1. --face-enhancer-blend（人脸增强融合度，0-100）：增强后的脸和原脸按这个比例混合。100 是纯增强结果，容易"塑料感"；调低一些保留原脸质感，更耐看。
2. --face-mask-blur（面部遮罩模糊，0-1）：控制换脸区域的边缘过渡。默认 0.3；如果脸边缘有一圈生硬的分界线，往上调到 0.4~0.5 能让边界融进皮肤。
3. --output-video-scale（输出分辨率缩放）：处理 1080p 太慢时设0.5直接输出 540p，速度接近翻倍，质量损失对社媒发布可接受。
4. --output-video-quality（输出质量，0-100）：默认 80。存档用调到 90 以上，发短视频 75~80 就够，还能明显减小体积。
5. --face-detector-score（人脸检测置信度，0-1）：默认 0.5。画面里出现"误检"（把玩偶、海报当人脸）就调高；小脸、侧脸漏检就调低。

这些参数除了命令行传，还可以写进项目根目录的facefusion.ini里（模板已随仓库提供），一次写好，之后每次运行自动生效，省去反复敲长命令。

下一步：挑一个参数、跑一次、和默认值对比输出，你很快会形成自己的"手感参数"。

批量处理与作业队列：一次排队跑几十条

内容创作者最省心的两个模式：

batch-run 批量模式：按通配符把"源脸 × 目标视频"自动配对处理。比如目录里有若干张人脸照片和若干条视频，用-s/-t/-o传文件模式（pattern），一次命令全部跑完，不用写脚本。

python facefusion.py batch-run -s 源脸目录/*.jpg -t 目标目录/*.mp4 -o 输出目录/*.mp4

job 作业队列：把处理任务"存草稿 → 排队 → 执行"。核心命令就四个：

python facefusion.py job-create myjob # 建一个草稿作业 python facefusion.py job-add-step myjob -s 源脸.jpg -t 目标.mp4 -o 输出.mp4 # 往作业里加一个处理步骤 python facefusion.py job-submit myjob # 提交进队列 python facefusion.py job-run-all # 依次执行队列里所有作业

作业还支持在步骤间"换脸"（remix）和增删步骤，适合搭一条固定的多步骤流水线。跑失败的任务用job-retry重试，不用从头再来。

避坑指南：新手最常踩的 6 类问题

1. 首次运行卡住或报模型错误模型文件还没下载完。可以先单独执行python facefusion.py force-download把所有模型拉下来，或者换下载源（支持 HuggingFace）再试。

2. 视频跑到一半提示内存不足长视频逐帧处理吃内存。两个办法：调低--output-video-scale；或者把工作流策略从默认的 memory 切成--workflow-strategy speed（用磁盘临时文件换内存）。

3. 多脸视频换错了人用--face-selector-mode指定选脸逻辑：按参考帧定位某张脸、按年龄/性别筛选，或用largest直接换画面里最大的那张脸。默认参考帧是第一帧，人脸位置变了就改--reference-frame-number指向一张脸清晰的帧。

4. 换完的脸"不像"九成是源照片的问题：光线不均、有遮挡、角度太歪。换一张光线均匀、正脸、无配饰遮挡的照片，效果立竿见影——工具救不了烂素材。

5. 输出视频没声音检查输出音频编码器配置；个别特殊格式的源视频（如 mxf）音轨兼容有限，先转成 mp4 再处理最稳。

6. 效果太"假"、一眼假这是参数问题，不是玄学：--face-mask-blur拉高柔化边界、--face-enhancer-blend调低避免过度锐化，再串联expression_restorer把活人的表情还回来。三个招数配合用，观感会有明显提升。

最后提醒一句：请只处理自己的脸，或已获本人明确授权的内容。

写在最后：下一步怎么走

FaceFusion 的价值在于：把"换脸"这件事从"调网页、传素材、等排队"变成了一条本地、免费、可批量、可复现的流水线。9 个功能模块按需开关，5 个关键参数决定上限，这套组合足以覆盖从娱乐创作到批量生产的绝大多数需求。

按人群给你个行动清单：

• 纯体验型：装完直接跑默认参数，挑 9 个模块里最好玩的一个（推荐 face_colorizer 给老照片上色），先感受效果
• 内容创作者：固定一套参数写进facefusion.ini，用 batch-run 建起自己的素材生产线
• 爱折腾的参数党：从--face-mask-blur和--face-enhancer-blend开始逐个试，每次只动一个参数对比输出
• 多任务用户：把固定流程沉淀成 job 作业队列，跑失败一键重试

先跑通第一次，再慢慢调参——这是上手 FaceFusion 最顺的路径。

【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusion