FaceFusion 本地部署教程：4 条命令跑通视频换脸，参数与坑一次讲完

FaceFusion 本地部署教程：4 条命令跑通视频换脸，参数与坑一次讲完

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

FaceFusion 是可本地部署的开源人脸融合平台：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，还能顺带做人脸增强和年龄修改。会基础命令行，10 分钟读完本文，你即可跑通部署并交付一段换脸后的 mp4。

先定位：FaceFusion 最终交给你什么

它本质是一条"帧级处理器流水线"：每一帧画面先过人脸检测，再依次进你勾选的处理模块，最后合成输出（当前版本 3.8.0，见 metadata.py）。它不是单点工具，而是一组模块的组合拳：

• face_swapper管"脸是谁"——把源脸贴到目标视频的每一张脸上
• face_enhancer管"脸清不清"——修复模糊、低分辨率的脸
• age_modifier管"脸像多大"——把整张脸往幼态或老态偏移
• 另有lip_syncer管口型、face_editor管五官表情

本文面向想在自己机器上跑 FaceFusion 的开发者，最终交付物是：一个能本地打开的 Web 控制台，加一段换脸完成、画质可选的输出视频。

环境自检：开跑前确认三件事

结论先行：硬性依赖只有 Python 3.10+ 和 ffmpeg，全程免费无付费组件。

硬件建议：

• NVIDIA 显卡：执行 provider 可选cuda或tensorrt，速度最快；显存 8G 以上再考虑大模型或高分辨率
• 纯 CPU：也能跑，provider 改cpu，线程数设到物理核心数附近，别盲目开满
• 其余平台（rocm、coreml、openvino 等）的执行 provider 清单在 facefusion/choices.py

首跑通路：从 clone 到出片的 4 条命令

顺序执行下面命令，唯一要盯的成功标志是：跑完后输出路径出现新的 mp4，且第一帧人脸已经变了。

git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion python -m pip install -r requirements.txt python install.py

install.py会自动下载全部模型权重，不用手动找文件。只跑一次单换脸，最小命令是：

python facefusion.py run --source-paths source.jpg --target-path target.mp4 --output-path output.mp4

想点选配置就去掉run相关参数打开 Web 控制台，勾选 processor、拖参数即可（上图为该界面）。中途若提示模型文件缺失，先重跑python install.py补齐。

参数手册：最该动的 5 个参数

facefusion.ini 列出了全部键名，每个键都有对应的命令行参数。挑最值得动的：

最小可落地配置，写入 facefusion.ini 即可：

[execution] execution_providers = cuda [memory] video_memory_strategy = strict

CPU 机器把execution_providers改成cpu。长视频先用--target-frame-amount 10只处理 10 帧试参，参数对了再跑全量。

能力组合：把处理器串成流水线

多个能力靠--processors逗号分隔串起来，顺序即处理顺序。"换脸 + 修画质"示例：

python facefusion.py run --processors face_swapper,face_enhancer \ --face-swapper-model inswapper_128 --face-enhancer-model gfpgan_1.4

各模块一句话定位：

• face_swapper：换脸基本盘。inswapper_128默认款，快且稳；ghost_1_256、hyperswap_1a_256等更大模型细节更足，但显存和时间明显上升，完整清单见 face_swapper/choices.py
• face_enhancer：人脸修复。face_enhancer_blend取 0~100，70 是"清楚但不显塑料感"的起点；40 以下偏去噪，90 以上锐利但易失真
• age_modifier：年龄整体偏移。--age-modifier-direction 30变年轻、-30变年长，范围 -100~+100；它不重排五官，幅度超 50 往往开始不自然
• frame_enhancer：整帧超分（不只修脸），适合画面整体糊的视频
• lip_syncer：口型跟随音频重做，edtalk_256、wav2lip_96可选

问题速查：对号入座

现象：一跑就报模型文件缺失→ 原因：install.py没跑完或下载中断，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：人脸边缘有"贴上去"感，或中途脸在飘→ 原因：检测框不准、mask 羽化不足；跟踪阈值太松导致中途换脸。 → 解法：--face-detector-margin从 0 提到 20 给检测框留余量，face_mask_blur提到 0.3；脸在飘就把face_tracker_score从 0.5 降到 0.3。

现象：显存爆了，或长视频处理到一半卡死→ 原因：分辨率 × pixel_boost × tolerant 策略的乘积超出显存。 → 解法：先切 strict，pixel_boost退回 256x256，用--target-frame-amount先试少量帧。

现象：输出视频比原片糊→ 原因：output_video_quality或output_video_scale被调低。 → 解法：quality 保持 90 以上、scale 用 1.0，并先确认源视频自身分辨率够。

进阶入口：想继续深挖去哪

三条路值得收藏：

• 写自定义处理器：照着 processors/modules 下任一模块的四件套（core.py实现、choices.py选项、locales.py文案、types.py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 里每个模块都有对应test_cli_*.py用例，改动后跑一遍能立刻发现回归
• 查全部配置键：facefusion.ini 键名与命令行参数一一对应，遇到不认识的参数先来查键名；模型清单指向对应模块的 choices 文件即可

模型权重由install.py统一托管下载，uniface_256、simswap_256等第三方人脸模型已在 face_swapper 的 choices 清单里预留，装好即可在界面或命令行直接选。

动作链复盘：五步走顺

clone 仓库 →install.py下模型 →run带三个路径跑通第一次换脸 → 用pixel_boost、face_mask_blur、video_memory_strategy找速度与显存的平衡 → 出问题对号入座速查表。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