AI 换脸insightface本地运行视频 / 图片
AI 换脸管线(Face Swap Pipeline)
基于 insightface + inswapper_128 的本地 AI 换脸,把视频 / 图片中的人脸换成指定照片里的人脸,支持中文路径、ffmpeg 重编码与文字叠加。
一、这个 skill 是做什么的
这个 skill 是一个本地 AI 换脸方案,底层用 insightface + inswapper_128 模型。它绕过 FaceFusion 调度层的缺陷,直接调用底层换脸类,对视频逐帧把人脸替换成你指定照片里那个人脸。
它能处理:视频换脸、单张图片换脸、批量视频换脸,换完还可以用 ffmpeg 在指定时间段叠加发光文字 / 特效。整个过程在本地电脑跑,视频不出本机。
它不负责:全身替换(body-swap,需要另一种扩散模型)、深度伪造检测、实时换脸。它只换「脸」,身体动作和衣着保持原视频里的人物。
二、什么时候用它
- 「把视频里的人换成 XX(某张照片里的人)」「换脸」「face swap」——直接触发。
- 「给这张图片换脸」「批量把这几个视频都换成同一个人」——图片 / 批量。
- 「换完脸在 6.8 到 9.5 秒加一句『生日快乐』发光字」——换脸 + 文字叠加。
三、前置条件 / 准备
- Python 3.9+(推荐 3.10–3.12)。
- Python 包:需安装
insightface opencv-python-headless numpy tqdm onnxruntime。注意用 opencv-python-headless(无界面版),避免和 GUI 冲突。
- 模型文件(约 800MB,需自行下载一次):
inswapper_128.onnx(换脸核心,约 530MB)
buffalo_l/(5 个 onnx,人脸检测 + 关键点,约 276MB)
放置到 ~/.insightface/models/ 下。下载可用 FaceFusion 镜像或 HuggingFace 镜像;中国大陆用户建议加 gh-proxy.com 代理避免超时。
- ffmpeg:在 PATH 里可用(用于重编码、合并音频、叠文字)。
- 合规前提:仅用于你自己有权处理的素材(你本人出镜、或获授权的视频),切勿用于冒用他人身份。
安装与模型(进阶 / 可选,只需做一次)
# 装 Python 依赖
pip install insightface opencv-python-headless numpy tqdm onnxruntime
# 下载换脸模型(约 530MB,可用镜像)
wget -O inswapper_128.onnx "https://huggingface.co/ezioruan/inswapper_128.onnx/resolve/main/inswapper_128.onnx"
# 下载人脸检测模型包(约 276MB)并解压到 ~/.insightface/models/
wget -O buffalo_l.zip "https://github.com/deepinsight/insightface/releases/download/v0.7/buffalo_l.zip"
unzip buffalo_l.zip -d ~/.insightface/models/
四、具体用法(步骤)
- 准备环境:装好上面的 Python 包、把两个模型放到
~/.insightface/models/。
- 运行换脸:给一个「源照片」(要换上去的脸)和一个「目标视频 / 图片」,指定输出路径,脚本会逐帧检测并替换人脸,最后用 ffmpeg 重编码成 H.264 并合并原音频。
- (可选)叠加文字:换脸完成后,用 ffmpeg 的
drawtext 在指定时间段加发光文字和淡入淡出。
换脸与叠字命令(进阶 / 可选)
# 一键换脸:源照片 + 目标视频 -> 输出
python face_swap.py --source 源照片.jpg --target 目标视频.mp4 --output 输出.mp4
# 换脸后叠加发光文字(示例:6.8~9.5秒显示「生日快乐!」)
FONT="C:/Windows/Fonts/msyh.ttc"
ffmpeg -y -i "swapped.mp4" \
-vf "drawtext=fontfile='${FONT}':text='生日快乐!':fontsize=76:fontcolor=white:\
borderw=3:bordercolor=white@0.25:shadowcolor=white@0.4:shadowx=3:shadowy=3:\
x=(w-text_w)/2:y=h*0.10:enable='between(t,6.8,9.5)':\
alpha='if(lt(t,7.3),(t-6.8)/0.5,if(gt(t,9.0),(9.5-t)/0.5,1))'" \
-c:v libx264 -preset fast -crf 18 -pix_fmt yuv420p -c:a copy \
"final_output.mp4"
五、可直接照用的示例
你直接对 AI大模型或AI智能体 说:「用 my_face.jpg 这张照片,把 meeting.mp4 里所有人的脸都换成我,输出成 swapped.mp4,音频保留。」
AI大模型或AI智能体 会:运行换脸脚本(自动处理中文路径),逐帧检测并替换人脸,最后 ffmpeg 重编码合并原音频,产出带原声的 swapped.mp4。
你直接对 AI大模型或AI智能体 说:「刚才换好的 swapped.mp4,在 6.8 到 9.5 秒加一句白色发光『生日快乐!』,淡入淡出,输出 final.mp4。」
AI大模型或AI智能体 会:用上面的 drawtext 命令在指定时间段叠加发光字和淡入淡出,音频原样保留,输出 final.mp4。
六、常见注意 / 避坑
- 中文路径自动处理:脚本会把中文路径复制成 ASCII 临时副本,Git Bash 下读图失败的问题已规避。
- 侧脸效果有限:inswapper_128 对超过 45° 的侧脸、背光、遮挡严重的脸效果下降,用正面清晰、光线充足的源照片最佳。
- CPU 推理较慢:约 0.5–2 秒/帧(看分辨率和人脸数)。有 NVIDIA GPU 可改
CUDAExecutionProvider 加速;也可降低分辨率。
- 输出没声音:音频在最后一步由 ffmpeg 合并,日志出现
[DONE] 即成功;没声音多半是这步没跑完。
- 只换脸不换身:不支持全身替换、无自动美颜;多人脸默认全部替换。
请仅用于你自己出镜或已获授权的素材,严禁冒用他人身份或制作误导内容。
七、相关 skill / 延伸
- Qwen-watermark-removal:换脸后若视频带千问水印,可用它先去角标。
- video-editor:换脸产出后需要裁剪、合并、转 GIF 等二次剪辑,用这个。
- ai-video-generation:若要从零用 AI 生成视频再换脸,用这个产出原始素材。