FaceFusion 的價值，是把換臉、人臉修復、遮罩與影片輸出放在同一套本地工具裡，可以控制素材與處理流程，也能逐項調整效果。但想讓成品自然，關鍵通常不是把所有增強功能打開，而是先選對素材、選對要處理的人，再修正最明顯的問題。
這篇從第一次安裝與圖片換臉開始，接著處理多人畫面、側臉穿幫、影片閃爍及音源錯誤，最後說明如何透過 Cpolar 遠端操作。
先用自己的照片，或已取得同意的素材練習，做出一小段穩定成果，再擴大到整支影片。
內容目錄
FaceFusion 是什麼？換臉、修臉與換頭先分清楚
FaceFusion是一套可在本機執行的人臉處理平台，支援圖片與影片，它不是單一換臉模型，而是把不同模型與處理器整合起來，讓你依需求選擇換臉、表情還原、人臉增強、畫面增強或唇形同步。
最容易搞混的是「換臉」與「換整個頭部」，一般 face_swapper 主要替換臉部身份特徵，不應預期它會把頭髮、耳環、整個頭型與所有化妝細節一起重建，若目標是改髮型或重做角色造型，通常還需要其他影像編輯步驟，可以搭配多圖參考與圖像編輯工作流理解不同工具的分工。
如果需求偏向即時鏡頭，而非事後處理影片，也可比較站內的Deep Live Cam 即時換臉介紹
下載前官方專案
官方原始碼位於 facefusion/facefusion，可自行下載安裝，官方也提供付費的 Windows 與 macOS 安裝器，協助處理環境設定。
本地安裝：先把環境與推論後端配好
手動安裝需要 Git、Conda 與 FFmpeg。官方安裝文件分別提供 Windows、macOS 與 Linux 的準備方式。先完成所用平台的環境與加速器設定，再建立獨立環境，避免與其他 AI 工具的套件互相影響。
conda init --all
conda create --name facefusion python=3.12 pip=25.0
conda activate facefusion
git clone https://github.com/facefusion/facefusion
cd facefusion接著只選一種符合環境的安裝方式。CPU 或 macOS CoreML 路徑使用 default，已備妥對應 CUDA 環境的 NVIDIA 電腦可依官方範例選 cuda@12。Windows DirectML、Linux MIGraphX 與 OpenVINO 則各有對應選項，請按平台文件確認支援條件。
# CPU 或 macOS 路徑
python install.py default
# NVIDIA CUDA 路徑，擇一使用
python install.py cuda@12完成後重新啟用環境，再啟動操作頁面。
conda deactivate
conda activate facefusion
python facefusion.py run --open-browser較舊教學常出現 python install.py --onnxruntime cuda，但官方從 3.7.0 起改用位置參數，後續也區分 CUDA 版本。
遇到參數無法識別時，先執行 python install.py --help，對照目前安裝的程式，不要把不同年代的指令混在一起，更新紀錄可用來追查這類差異。
啟動成功後，依終端機顯示的本機網址開啟介面，常見範例是 http://127.0.0.1:7860。
首次選用模型可能需要下載檔案，預覽暫時沒有結果時，先看下載與載入紀錄。
顯示記憶體與速度：先跑通，再追求高畫質
官方 FAQ把 8GB 顯示記憶體列為最低建議，並表示 12GB 起通常較合適。
推論後端應依硬體與已安裝套件選擇，NVIDIA 可用 CUDA，Apple Silicon 可確認 CoreML，其他平台則視支援情況選擇 DirectML、MIGraphX 等，CPU 可以作為排錯與基本測試路徑，但不代表長影片處理會很快。Execution 設定列出了後端與執行緒選項。
不要只因顯示記憶體較大，就直接把執行緒拉高，比較可靠的方式是固定一小段素材，先記錄預設值的耗時，再只改一個設定。速度沒有改善，或記憶體開始吃緊，就回到原本設定。
第一次換臉：只開必要功能，先完成一張圖片
1. 放對 Source 與 Target
Source 是提供臉部身份的來源照片，Target 是要被修改的圖片或影片。初次練習選一張光線均勻、五官清楚、沒有被頭髮或手遮住的正面照，搭配只有一個人的目標圖片。先避免大幅側轉、模糊與極端表情，較容易判斷是哪個環節出了問題。
2. 先保留 face_swapper
第一次只啟用換臉需要的 face_swapper，先確認來源臉與目標臉都能被辨識，不要一開始就同時啟用唇形同步、人臉增強與整幅畫面增強，否則一旦失敗，很難看出是哪個處理器造成的。
3. 先預覽，再增加修復
先看臉部位置是否正確，再看身份相似度、嘴部、眼睛、下巴與髮際線。若換對人但細節不足，再加 face_enhancer。frame_enhancer 處理的是整幅畫面，會增加計算量，並非每次換臉都必須開啟。過強的修復也可能讓皮膚變得過度平滑，需要保留原始版本比較。
模型怎麼選？用同一段素材比較最有用
官方 Face Swapper 文件列有 HyperSwap、GHOST、INSwapper、SimSwap 等選項。
可以先用目前版本的預設模型做基準，再換另一個模型，觀察身份相似度、表情保留、輪廓接合與連續畫面的穩定度。
Pixel Boost 是換臉處理的解析度選項，也不等於整支影片直接升級成高品質 4K。調高前先確認它是否真的改善臉部細節，以及增加多少處理時間。
多人畫面與遮擋：先決定處理誰，再決定處理哪裡
多人同框時，先使用參考臉方式指定目標人物，並檢查不同時間點是否仍選到同一個人。
Face Selector控制人物選擇與參考匹配，模型本身並不能代替這個步驟。人物交錯、遠近變化或離開畫面再出現，都值得單獨檢查。
遮罩則決定臉部哪些位置參與合成，Face Masker提供 box、occlusion、area 與 region 等方式，遇到手、眼鏡或頭髮擋住臉，可以先測試遮擋遮罩，並檢查嘴部、下巴與髮際線的邊界。模糊邊緣只能改善接合，無法補回素材中根本看不到的臉部資訊。
檢查影片時，不只停在最好看的一格，應挑出正面、轉頭、張嘴、遮擋與人物交錯的片段，再連續播放，新版追蹤功能可協助補足部分漏偵測，但仍要逐段確認，不能當成「完全不閃爍」的保證。
一直要求選擇音源檔？先檢查 lip_syncer
單純把照片中的臉換到影片上，不代表你一定要另外提供音訊，如果啟動後出現「請選擇音源檔案」，先看是不是同時勾選了 lip_syncer。這個處理器是讓嘴形配合音訊，與基本換臉不同。
本次核對官方 lip_syncer 程式，它在前置檢查時確實要求來源檔中有音訊，若只要換臉，先取消 lip_syncer，再用 face_swapper 測試。若需要重新配音與對嘴，才加入合適的音源，並另外驗收聲畫同步。
用 Cpolar 遠端操作：運算仍在家中的電腦
FaceFusion 在本機跑穩後，才需要考慮遠端入口，Cpolar可以把本地 Web 服務透過隧道提供給外部裝置，手機瀏覽器只是操作介面，真正的換臉運算仍由原本的電腦執行，電腦休眠、FaceFusion 關閉或隧道中斷，都會讓遠端入口失效。
基本順序是安裝並登入 Cpolar，在本機管理頁建立 HTTP 隧道，把本地地址填成 FaceFusion 實際使用的連接埠，再從在線隧道列表取得網址，常見的 7860 是 FaceFusion 服務範例，9200 則是 Cpolar 管理頁，兩者用途不同，不要把管理頁當成要分享的換臉入口。
固定網址與登入保護也要分開設定，依Cpolar 官方文件，保留固定二級子網域需要基礎方案或以上，不能把它寫成所有免費帳號都能永久保留，官方也提供 HTTP Basic Auth。對外使用時，應使用 HTTPS 入口與存取驗證，並先測試沒有登入的人是否確實無法進入。
站內的本地 AI 遠端連線教學可協助理解「服務在哪台機器跑」與「從哪個入口連入」的差別。
免費取得，不代表每個模型都適合商業專案
FaceFusion 官方標示軟體採 OpenRAIL-AS，模型則各有授權，官方授權清單目前把 HyperSwap 列為 ResearchRAIL，INSwapper 與 AlphaFace 列為 Non-Commercial，GHOST 列為 Apache 2.0。這些是不同資產的標示，不能只看主程式名稱就推定整套流程可商用。
如果要用在客戶影片，請把實際使用的換臉、偵測、增強與其他模型一起列出，逐一核對條款及素材使用同意。某個換臉模型的授權較寬鬆，也不會自動涵蓋其他模型或照片中人物的使用權利。
常見問題
FaceFusion 可以免費使用嗎？
官方原始碼可自行取得與安裝，官方安裝器及部分服務另外收費。模型與其他資產仍有各自的授權條件。
FaceFusion 換臉會連髮型一起更換嗎？
一般 face_swapper 主要處理臉部身份，不應預期它會完整重建頭髮、頭型與飾品。換整個頭部通常需要其他編輯流程。
為什麼影片換臉要求選擇音源？
先檢查是否啟用了 lip_syncer。純換臉可先取消它，只保留 face_swapper 測試，需要對嘴時才加入音訊。
FaceFusion 側臉穿幫或閃爍怎麼辦？
先比較來源與目標的角度，再檢查人物選擇、遮擋遮罩與不同模型。用轉頭、張嘴與遮擋片段測試，不能只驗收單張預覽。
手機能透過 Cpolar 使用 FaceFusion 嗎？
可以透過瀏覽器操作已建立的遠端入口，但運算仍在原本電腦上。需要維持主機與服務在線，並設定存取驗證。
先把一小段做好，再把流程擴大
FaceFusion 的可調空間很大，也因此更需要固定測試方式。先用單張圖片確認身份與輪廓，再挑包含轉頭或遮擋的短片段驗收。只有當模型、遮罩與輸出設定穩定後，再加入增強、批次處理與遠端入口。
當你開始串接更多素材整理與輸出步驟，也可參考本地 AI 影片工作流的部署方式。真正省時間的，是知道每個步驟為什麼存在，以及出了問題要回頭檢查哪裡。
近期留言