企业官网建设流程全解析

FaceFusion 3.5.0 人脸融合流水线：从启动到出片只需三步

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

FaceFusion 是一个开源的人脸融合平台，负责把一张源人脸换进视频或图片，并顺带完成增强、修边和导出。这篇文章按「输入 → 换脸 → 增强 → 输出」这条流水线，把每个环节由哪个模块负责、关键参数在哪调，一次讲清楚。

快速上手：3 步跑通第一次人脸融合 🛠️

1. 拿到代码并安装依赖：

   git clone https://gitcode.com/GitHub_Trending/fa/facefusion python install.py

2. 启动界面：python facefusion.py run。首次启动会提示下载模型，让它把默认模型拉完即可。

3. 在界面里分别选定 source（源人脸照片）和 target（目标视频），勾上 face_swapper，点运行。第一次不追求质量，先确认整条链路能出片。

全部参数都能落进 facefusion.ini，调好一组后就不用每次重填。

流水线拆解：输入、换脸、增强、输出各管什么

输入端：把人脸找对、盯住

• 做的事：在每帧里检测人脸、打关键点、跨帧跟踪，并决定换哪一张脸。
• 负责模块：face_detector、face_landmarker、face_selector、face_tracker（见 facefusion/ 根目录下的同名文件）。
• 关键参数：face_detector_model（常用 scrfd 或 many，640x640 规格）、reference_face_distance（参考脸匹配距离）。多人群视频里最该动的是后者。

换脸环节：face_swapper 是主菜

• 做的事：把源脸特征迁移到目标脸上，替换区域怎么画由掩码决定。
• 负责模块：facefusion/processors/modules/face_swapper/。
• 关键参数：
  • face_swapper_model：常用 inswapper_128、hyperswap_1a_256，显存紧可上 inswapper_128_fp16；轻量场景可选 hypermap_v1.256。
  • face_swapper_weight：0~1 之间，控制换脸的"硬度"。
  • 掩码：face_mask_types支持 box、occlusion、area、region 四类；遮挡模型可用 xseg_1/2/3，解析模型可选 bisenet_resnet_18。

增强环节：face_enhancer 负责回血

• 做的事：把换完后略糊的纹理修细，提升面部清晰度。
• 负责模块：facefusion/processors/modules/face_enhancer/。
• 关键参数：face_enhancer_model（gfpgan_1.4、codeformer 等）、face_enhancer_blend（0~100，混合比例）、face_enhancer_weight。

输出端：导出与质量

• 做的事：编码、缩放、混音，生成最终文件或图片。
• 负责模块：workflows 与 ffmpeg 相关封装，参数集中在output_creation段。
• 关键参数：output_video_quality（0~100）、output_video_scale（0.25~8.0 倍）、output_video_fps。

参数调优：按目标效果直接抄作业

三个最常被动的旋钮：face_swapper_weight调融合硬度，face_enhancer_blend调增强强度，face_mask_blur（0.3~0.7）调边缘过渡。

常见问题排查：边缘锯齿、显存溢出都在这

现象：边缘锯齿、轮廓发硬 → 原因 → 解决原因：只用了 box 掩码，切边是直的。解决：在face_mask_types里补上 occlusion 或 region，face_mask_blur放到 0.3~0.7，遮挡模型换 xseg_3。

现象：换完肤色偏色 → 原因 → 解决原因：face_swapper_weight拉满，源脸色彩压过了目标环境光。解决：weight 回落到 0.4~0.6；若开了增强，把face_enhancer_blend从 90 往 70 降一档再比。

现象：显存溢出、中途崩溃 → 原因 → 解决原因：模型规格和显存档位不匹配。解决：video_memory_strategy切 strict；换 inswapper_128_fp16；execution_thread_count从默认往 4~6 收；执行提供商用 tensorrt 或 cuda。

现象：多人视频里换错人、频繁丢失 → 原因 → 解决原因：参考脸距离阈值太宽。解决：reference_face_distance收到 0.2~0.4，配合 face_selector 的参考位置（左上/右上等）锁定目标；检测漏脸时把face_detector_size升到 640x640。

现象：出片发糊、放大看细节碎 → 原因 → 解决原因：只换了脸没增强，或导出质量低。解决：挂上 face_enhancer，output_video_quality提到 90 以上，必要时开face_swapper_pixel_boost给换脸区域补采样。

硬件与性能建议：按显存档位选配置

没有 GPU 也能用，但增强和 xseg 遮挡掩码都会明显拖慢速度，建议先用极速档验证参数，再在好机器上放大跑。

适用场景与下一步

• 短视频里换主角脸、统一出镜人
• 老片修复类内容：换脸 + gfpgan_1.4 增强
• 批量素材处理：用batch-run命令配合 job 系列子命令排队跑
• 先验速度再定参数：跑一遍 benchmark，选 720p 档位测单轮耗时即可

更多细节看仓库里的 README.md 和 docs/，默认参数样例直接对照 facefusion.ini。

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