FaceFusion 本地部署指南从 clone 到视频换脸成片【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusionFaceFusion 是一个可以完全离线运行的换脸项目把一张源脸照片加一段目标视频给它视频里的人脸就会全部被替换成源脸还能在同一条命令里叠加人脸修复、年龄偏移等模块。本文完成一次完整的 FaceFusion 本地部署装环境、跑出第一张换脸、拼处理流水线、找参数平衡、处理典型报错当前版本 3.8.0。11 个处理器模块先看懂这条流水线它的本质是逐帧处理流水线每一帧先过人脸检测内置 scrfd、retinaface 等 5 种检测器模型再依次进入你勾选的处理模块最后由 ffmpeg 合成输出。每个模块都是 facefusion/processors/modules/ 下的独立文件夹文件夹名就是模块 ID共 11 个常用的是face_swapper换脸把目标脸换成源脸face_enhancer修复糊脸face_enhancer_blend控制力度0~100age_modifier年龄偏移-100~100负值变老、正值变年轻lip_syncer、face_editor、frame_enhancer口型同步、表情编辑、整帧修复模块之间自由组合这是后续所有用法的根基。官方控制台左侧的处理器列表就是上面这些模块 ID勾选方式一目了然四条命令装完环境依赖与模型权重落盘硬件要求Python 3.10 以上install.py 启动时会自动检查、ffmpeg 在系统 PATH 中输出编码由它负责、有 NVIDIA 显卡最好CPU 也能跑只是慢。依赖包在 requirements.txt 中全部锁定onnxruntime 1.26.0、gradio 5.50.0 等按顺序执行git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion python -m pip install -r requirements.txt python install.py这一步最容易翻车install.py会自动下载全部模型权重下载耗时较长属于正常现象跑完后本地缓存目录会落一堆.onnx文件中途断网就重跑同一条命令补全。一条 run 命令验证第一次换脸成功验证部署不要先开 Web 界面直接走命令行输入要求最少python facefusion.py run --source-path face.jpg --target-path video.mp4 --output-path out.mp4--source-path是源脸正面、光线均匀的照片效果最好跑完 out.mp4 出现、第一帧人脸已经变成源脸即部署成功。如果中途提示模型文件缺失说明权重没下全执行python facefusion.py force-download补齐即可。用 --processors 拼流水线换脸 修复 年龄偏移多个能力靠一个--processors参数用逗号串起来比如换脸加修复python facefusion.py run \ --processors face_swapper,face_enhancer \ --face-swapper-model inswapper_128 --face-enhancer-model gfpgan_1.4交换模型选型看 face_swapper 的 choices.py共 13 个inswapper_128、blendswap_256、hyperswap_1a_256、uniface_256等。inswapper_128是轻量款face_swapper_pixel_boost从 128x128 到 1024x1024 共 6 档可调256 系大模型细节更足但显存和时间开销明显上升。年龄模块是整体偏移、不重排五官幅度超过 ±50 后容易不自然。长视频想先试跑加--target-frame-amount抽部分帧处理。三个参数决定速度与画质分辨率、羽化、显存策略调参主战场是 facefusion.ini每个键都有对应的命令行参数其中三个最值得关注face_swapper_pixel_boost交换工作分辨率256x256 起步最稳512x512 细节更锐、速度约降一半显存小于 8G 别碰 1024x1024face_mask_blur人脸边缘羽化0~1。低于 0.1 边缘像贴片高于 0.5 额头边界发糊0.3 是稳妥起点video_memory_strategystrict / moderate / tolerant 三档strict 显存占用最低但反复重载帧1080p 以上建议 strict[execution] execution_providers cuda [memory] video_memory_strategy strictCPU 机器把execution_providers改成cpuexecution_thread_count设到物理核心数附近即可上限 32不必开满。报错先对号入座四种典型失败提示模型文件缺失install.py没跑完或下载中断重跑该命令或执行force-download补齐脸在飘或中途换脸跟踪阈值太松face_tracker_score0~0.5往下调face_detector_margin从 0 提到 20 给检测框留余量显存爆、长视频卡死分辨率 × pixel_boost × tolerant 的乘积超了显存切回 strict、pixel_boost 退回 256x256先用抽帧参数做小样本输出比原片糊output_video_quality保持 90 以上、output_video_scale用 1.0编码器 preset 从 ultrafast 到 veryslow交付用 medium、预览用 fast动手改参数前先跑一遍 tests/ 里对应模块的test_cli_*.py用例回归问题能立刻暴露。想加自定义处理器照 face_swapper 的core.py/choices.py/locales.py/types.py四件套复制一份就是完整骨架遇到不认识的参数一律先查 facefusion.ini 里的键名它与命令行参数一一对应。把链路串起来clone 仓库 →install.py装依赖并下载权重 →run命令验证第一次换脸 →--processors拼接换脸、修复、年龄偏移 → pixel_boost、mask_blur、显存策略三者找平衡 → 报错对照上面的清单逐项修。这条链路走通之后剩下两件事换更大的交换模型把流水线拼得更长。【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 FaceFusion 本地部署指南：从 clone 到视频换脸成片
FaceFusion 本地部署指南从 clone 到视频换脸成片【免费下载链接】facefusionIndustry leading face manipulation platform项目地址: https://gitcode.com/GitHub_Trending/fa/facefusionFaceFusion 是一个可以完全离线运行的换脸项目把一张源脸照片加一段目标视频给它视频里的人脸就会全部被替换成源脸还能在同一条命令里叠加人脸修复、年龄偏移等模块。本文完成一次完整的 FaceFusion 本地部署装环境、跑出第一张换脸、拼处理流水线、找参数平衡、处理典型报错当前版本 3.8.0。11 个处理器模块先看懂这条流水线它的本质是逐帧处理流水线每一帧先过人脸检测内置 scrfd、retinaface 等 5 种检测器模型再依次进入你勾选的处理模块最后由 ffmpeg 合成输出。每个模块都是 facefusion/processors/modules/ 下的独立文件夹文件夹名就是模块 ID共 11 个常用的是face_swapper换脸把目标脸换成源脸face_enhancer修复糊脸face_enhancer_blend控制力度0~100age_modifier年龄偏移-100~100负值变老、正值变年轻lip_syncer、face_editor、frame_enhancer口型同步、表情编辑、整帧修复模块之间自由组合这是后续所有用法的根基。官方控制台左侧的处理器列表就是上面这些模块 ID勾选方式一目了然四条命令装完环境依赖与模型权重落盘硬件要求Python 3.10 以上install.py 启动时会自动检查、ffmpeg 在系统 PATH 中输出编码由它负责、有 NVIDIA 显卡最好CPU 也能跑只是慢。依赖包在 requirements.txt 中全部锁定onnxruntime 1.26.0、gradio 5.50.0 等按顺序执行git clone https://gitcode.com/GitHub_Trending/fa/facefusion cd facefusion python -m pip install -r requirements.txt python install.py这一步最容易翻车install.py会自动下载全部模型权重下载耗时较长属于正常现象跑完后本地缓存目录会落一堆.onnx文件中途断网就重跑同一条命令补全。一条 run 命令验证第一次换脸成功验证部署不要先开 Web 界面直接走命令行输入要求最少python facefusion.py run --source-path face.jpg --target-path video.mp4 --output-path out.mp4--source-path是源脸正面、光线均匀的照片效果最好跑完 out.mp4 出现、第一帧人脸已经变成源脸即部署成功。如果中途提示模型文件缺失说明权重没下全执行python facefusion.py force-download补齐即可。用 --processors 拼流水线换脸 修复 年龄偏移多个能力靠一个--processors参数用逗号串起来比如换脸加修复python facefusion.py run \ --processors face_swapper,face_enhancer \ --face-swapper-model inswapper_128 --face-enhancer-model gfpgan_1.4交换模型选型看 face_swapper 的 choices.py共 13 个inswapper_128、blendswap_256、hyperswap_1a_256、uniface_256等。inswapper_128是轻量款face_swapper_pixel_boost从 128x128 到 1024x1024 共 6 档可调256 系大模型细节更足但显存和时间开销明显上升。年龄模块是整体偏移、不重排五官幅度超过 ±50 后容易不自然。长视频想先试跑加--target-frame-amount抽部分帧处理。三个参数决定速度与画质分辨率、羽化、显存策略调参主战场是 facefusion.ini每个键都有对应的命令行参数其中三个最值得关注face_swapper_pixel_boost交换工作分辨率256x256 起步最稳512x512 细节更锐、速度约降一半显存小于 8G 别碰 1024x1024face_mask_blur人脸边缘羽化0~1。低于 0.1 边缘像贴片高于 0.5 额头边界发糊0.3 是稳妥起点video_memory_strategystrict / moderate / tolerant 三档strict 显存占用最低但反复重载帧1080p 以上建议 strict[execution] execution_providers cuda [memory] video_memory_strategy strictCPU 机器把execution_providers改成cpuexecution_thread_count设到物理核心数附近即可上限 32不必开满。报错先对号入座四种典型失败提示模型文件缺失install.py没跑完或下载中断重跑该命令或执行force-download补齐脸在飘或中途换脸跟踪阈值太松face_tracker_score0~0.5往下调face_detector_margin从 0 提到 20 给检测框留余量显存爆、长视频卡死分辨率 × pixel_boost × tolerant 的乘积超了显存切回 strict、pixel_boost 退回 256x256先用抽帧参数做小样本输出比原片糊output_video_quality保持 90 以上、output_video_scale用 1.0编码器 preset 从 ultrafast 到 veryslow交付用 medium、预览用 fast动手改参数前先跑一遍 tests/ 里对应模块的test_cli_*.py用例回归问题能立刻暴露。想加自定义处理器照 face_swapper 的core.py/choices.py/locales.py/types.py四件套复制一份就是完整骨架遇到不认识的参数一律先查 facefusion.ini 里的键名它与命令行参数一一对应。把链路串起来clone 仓库 →install.py装依赖并下载权重 →run命令验证第一次换脸 →--processors拼接换脸、修复、年龄偏移 → pixel_boost、mask_blur、显存策略三者找平衡 → 报错对照上面的清单逐项修。这条链路走通之后剩下两件事换更大的交换模型把流水线拼得更长。【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