如何用 FaceFusion 免费完成人脸交换：从安装到调参的 3 步新手指南-育师

如何用 FaceFusion 免费完成人脸交换：从安装到调参的 3 步新手指南

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

当你想把一张照片的脸放进视频、让角色的嘴型对上配音，FaceFusion 就能办到。这个完全免费开源的人脸交换平台，既能用网页界面点点鼠标，也能用命令行批量跑任务，新手 3 步就能跑通第一个结果。

它是什么，适合谁

一句话定位：FaceFusion 是开源的人脸操纵平台，把"换脸、修脸、对口型"这类过去要特效团队干的活，变成选模型、传素材、点 START 三步。

原理打个比方：它像一位会修图的摄影师——先找到画面里每一张脸的位置，把你的脸"对齐"过去，再顺手匹配肤色和光线、柔化边缘，最后你几乎看不出接缝。

适合你的场景：

给视频角色换上自己的脸，做趣味短片
一次配置，批量处理整个文件夹的几十条视频
只替换某几秒、某个人物（按位置或帧区间框定）
把出镜者面部替换，用于内部演示或素材共享

三步跑通第一个结果

第 1 步：拿到项目代码

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

第 2 步：一键安装环境

项目自带 install.py，它会自动创建 conda 环境并装好全部依赖，你不用自己碰版本号：

python install.py

卡住了怎么办：如果报 Python 版本错误，先确认装的是 Python 3.9~3.12 之一，再重跑安装脚本。

第 3 步：启动并打开网页界面

python facefusion.py run

浏览器会自动弹出操作界面：左边选功能（PROCESSORS），中间传素材，右边调参数，点 START 即可。首次运行会自动下载人脸检测、换脸等模型，体积有几百 MB，耐心等第一次下载完成。

成功标准：浏览器界面打开、素材缩略图正常显示、点 START 后进度条走完并生成输出视频——看到这三样，就算跑通了。

功能地图：先会用这 4 个高频功能

功能都在 facefusion/processors/modules/ 目录下，一个功能一个文件夹，界面左上角勾选即可叠加使用。

换脸（face_swapper）：一切的起点

什么时候用：几乎所有任务的第一步，把源照片的脸换到目标视频上。
怎么操作：选一个换脸模型（如 hyperswap_1a_256 或 inswapper_128），上传源人脸和目标视频。
效果与坑：模型名里的 128/256 是内部工作分辨率，日常够用；想更清晰可调 pixel_boost 放大到 512 甚至 1024，代价是更慢。

面部增强（face_enhancer）：治"糊脸"

什么时候用：换完脸觉得发糊、和原片质感割裂时，叠在换脸后面用。
怎么操作：勾选 face_enhancer，把 FACE ENHANCER BLEND 调到 70~90。
效果与坑：blend 越高越清楚，但也越"AI 味"，80 左右通常是自然度和清晰度的平衡点。

唇形同步（lip_syncer）：让嘴对上声音

什么时候用：给视频换语言配音，需要口型跟随。
怎么操作：勾选 lip_syncer，可先启用人声提取再对齐；lip_syncer_weight 控制跟随力度。
效果与坑：对白清晰的素材效果好，背景噪音大时准确率会明显下降。

年龄修改（age_modifier）：变老或变年轻

什么时候用：做"老版/少版自己"这类趣味内容。
怎么操作：勾选后选方向（-100~100 的滑块，负值变年轻、正值变老）。
效果与坑：小幅度调整自然，极端跨度会失真，建议小步试。

其余功能速览：

模块	一句话说明
background_remover	抠掉背景换成纯色或指定颜色
expression_restorer	把源人脸的表情强度"还给"目标脸
face_editor	手动微调眉毛、眼神、嘴型、头姿
deep_swapper	换脸加变形一体，morph 参数可做脸形过渡
frame_enhancer	整帧画质增强，不只修脸
frame_colorizer	给黑白或褪色老照片上色
face_debugger	画出检测框和关键点，排查"没检测到脸"

让它更快更稳：按硬件选后端，按现象调参数

按设备选执行后端

你的设备	推荐配置	说明
NVIDIA 独显	cuda	最通用，提速最明显
高端 N 卡	tensorrt	比 cuda 更快，但需先转换模型
AMD 显卡	rocm / migraphx	支持有限，出问题先回退 cpu
Mac（M 芯片）	coreml	走苹果芯片加速
纯 CPU	cpu	能跑但慢，1080p 建议先降分辨率

后端对应 ONNX Runtime 的 ExecutionProvider，代码里可对照 facefusion/choices.py 查看完整映射。

最常动的 6 个参数

参数	建议范围	调大 / 调小的影响
face_detector_score	0.5~0.9	调低能检出侧脸小脸，但可能误检
face_swapper_weight	0.3~0.7	控制换脸对原脸的覆盖程度，0.5 起步
face_enhancer_blend	70~90	越高越清晰，越高越假
face_mask_blur	0.2~0.5	控制边缘过渡，接缝明显就调大
face_mask_padding	0~50	处理区外扩像素，防止切到耳朵脖子
execution_thread_count	1~32	取 CPU 核心数附近，盲目开满反而慢

所有参数都会自动存进 facefusion.ini，它是最好的"参数字典"，改完直接重启复用。另外长视频注意 video_memory_strategy：内存小于 16GB 选 strict 控峰值，否则用 balanced 更顺滑；追求出片速度把 output_video_preset 设为 veryfast，交付成品再换 slow 重跑。

卡住了？先查这里

Q：启动后一直卡在下载模型？模型默认从官方源拉取，几百 MB 起步。网络差时在界面 DOWNLOAD PROVIDERS 换下载源，或先单独执行python facefusion.py force-download把模型下完。

Q：换完脸像"贴上去的"，边缘有缝？三个方向依次排查：调大 face_mask_blur 柔化边缘；检查源照片与目标视频的光线、色温是否接近；再叠 face_enhancer 统一质感。

Q：多人同框换错了脸？用 face_selector：reference 模式指定位置，或按年龄段、性别过滤；也可以只用 TRIM FRAME 限定目标人物出镜的帧区间。

Q：跑得慢，怎么提速？优先级排序：CPU 换 cuda > output_video_scale 降到 0.75 > 换小工作分辨率的换脸模型 > 调低 pixel_boost。想量化提速幅度，跑python facefusion.py benchmark对比各后端帧速。

Q：想无人值守批量跑？跳过界面用无头模式：python facefusion.py headless-run --processors face_swapper face_enhancer --source-path source.jpg --target-path video.mp4 --output-path output.mp4；更多任务可排队列，用 job-create / job-submit / job-run-all 系列命令"下班前排好、第二天看结果"。