FaceFusion 本地部署从零跑通：10 分钟完成视频换脸第一次出片

FaceFusion 本地部署从零跑通：10 分钟完成视频换脸第一次出片

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

FaceFusion 是一个可本地部署的人脸融合平台：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，还能接着做人脸增强、年龄修改、口型同步。适合有基础命令行经验、想在自己机器上跑视频换脸的新手——三步命令出结果，10 分钟内跑通第一次换脸。

先把环境跑起来：装依赖、下模型

先说结论：Python 3.10 以上 + ffmpeg，两条命令装完。install.py会自动检查 Python 版本并下载全部模型权重，不用手动找文件。

• 有 NVIDIA 显卡最好，没有也能用 CPU 跑，只是速度慢
• ffmpeg 需要在系统 PATH 中，输出视频由它负责编码

先克隆仓库：

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

这条命令安装全部 Python 依赖：

python -m pip install -r requirements.txt

这条命令下载全部模型权重，跑完才算部署完成：

python install.py

上面的图是它的 Web 界面（直接python facefusion.py不带参数就会打开），源脸、目标视频、处理器勾选项都可视化。本文走命令行路线，参数更可控，后面所有调优都在命令行或 facefusion.ini 里完成。

第一次让程序干活：一条 run 命令出片

能做什么：把源脸贴到目标视频的每一张脸上，输出新视频。该怎么做：

python facefusion.py run \ --source-paths 照片.jpg \ --target-path 视频.mp4 \ --output-path 输出.mp4

看到终端提示完成、输出路径出现 mp4，第一帧脸就变了，说明部署成功。

它的内部流程是一条"处理器流水线"：每一帧先过人脸检测，再依次进你勾选的处理模块，最后合成输出。所有模块在 processors/modules 目录 下，文件夹名就是模块 ID——face_swapper、face_enhancer、age_modifier、lip_syncer、face_editor等，--processors用逗号分隔就能串起来。

交换模型怎么选、参数动哪三个

默认款inswapper_128快且稳，先跑通再用它；hyperswap_1a_256、simswap_256、blendswap_256这些更大模型细节更足，但显存和时间都明显上升（完整清单在 face_swapper 的 choices.py）。"换脸 + 增强"串起来这样写：

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

参数不用全调，先动这三个就够：

face_enhancer_blend（修复力度，0=不动，100=全改）给 70 左右起步：调低只去噪，调高细节锐利但容易失真。年龄修改用--age-modifier-direction，正数变年轻、负数变年长，幅度 -100 ~ +100；它是"整体偏移"不重排五官，超过 50 往往开始不自然。

显存爆了、机器不够强时先降哪一档

资源不够时按这个顺序降：先video_memory_strategy，再pixel_boost，最后换编码器。1080p 以上建议直接 strict。

• video_memory_strategy：strict / moderate / tolerant 三档。strict 显存最低但会反复重载帧，tolerant 最快但吃显存
• face_swapper_pixel_boost：退回 256x256，显存小于 8G 别碰 1024x1024
• execution_providers：N 卡填cuda，CPU 机器填cpu，线程数设到物理核心数附近即可，别盲目开满

这些键都写在 facefusion.ini 里，每个键有对应命令行参数。一份最小配置：

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

另外长视频先用--target-frame-amount（只处理指定帧数）跑几帧测试，确认效果再全量出片，能省大量等待时间。

出问题先查哪三处

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：人脸边缘发硬，或整段视频脸在飘→ 原因：检测框余量不足、mask 羽化不够；跟踪阈值太松导致中途换脸。 → 解法：--face-detector-margin 20 20 20 20给检测框留余量，--face-mask-blur 0.3；脸在飘就把--face-tracker-score从 0 降到 0.3。

现象 3：显存爆了，或长视频处理到一半卡死→ 原因：分辨率 × pixel_boost × tolerant 策略的乘积超出了显存。 → 解法：切回 strict，pixel_boost 退回 256x256，先用--target-frame-amount只处理部分帧。

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。

改参数前建议先跑一遍 tests 目录 里对应的test_cli_*.py用例，改动引发的回归立刻就能发现。

下一步你可以试这三件事：把交换模型换成hyperswap_1a_256或simswap_256，看细节提升值不值那份显存；把lip_syncer、expression_restorer拼进--processors，把换脸、口型、表情修成一条流水线；想自己加处理器，照着 face_swapper 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，就是一个新模块的完整骨架。

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