【听心烦说】我在自己电脑上跑通了 AI 换脸:150 帧 49 秒,坑有四个

做视频的时候，我碰到过一个需求：一段素材里，人脸得统一成同一个人。

网上现成的工具不少，但大多有两个问题。要么按月收钱，要么得先把素材传到人家的服务器上跑。前者还好说，后者我实在不太愿意——素材里如果有人，那就不是我的东西了，凭什么传出去。

那就自己装一个吧。

我以为这事一晚上能搞定。结果前后花了两天，而且真正折腾的压根不是软件本身，是四个我没预料到的坑。

一、先说清楚：AI 换脸到底在做什么

原理先讲明白，后面看步骤才不慌。

所谓"换脸"，听着玄乎，拆开就是五步：

第一步，找到脸。程序先在一帧画面里找出所有的脸，框出来。这一步叫人脸检测。

第二步，认清五官位置。眼睛在哪、鼻子在哪、嘴角在哪，标出几十个点，叫关键点。有了这些点，程序才知道这张脸是什么姿态——正脸还是侧脸，仰头还是低头。

第三步，算出这张脸"长什么样"。把脸压缩成一串数字，相当于一个人的长相密码。

第四步，把 A 的脸的密码，套到 B 的脸上，生成一张新脸。

第五步，把新脸贴回原画面，边缘做融合，让它看着不像贴上去的。

所以它跟很多人想的不一样：不是把整张图重画一遍，而是只在原图人脸那一小块区域里做替换。背景、身体、衣服、光影，一动不动。

这也是为什么换完脸，人还是原来那个人，衣服还是那件衣服。

上面这张对比图，左边是原图，右边是换完的。脸换了，但构图、姿态、背景完全没变——这就是刚才说的"只动脸"。

二、为什么非要装在自己电脑上

三个理由，从最实际的开始说。

第一，素材不出门。这是我最看重的一条。程序跑在我自己机器上，图片和视频从头到尾没离开过这块硬盘。做内容的人都懂，素材里出现的每一张脸都可能涉及肖像权，能不外传就不外传。

第二，不花钱。这是开源项目，软件本体免费。唯一的成本是电费和硬盘空间。

第三，可控。想批量就批量，想调参数就调参数，不用看谁的脸色，也不用担心哪天服务涨价或者关停。

但它也有明显的短板，得说明白：

慢。 这台机器是 M1 Max，苹果芯片，跑 AI 靠的是统一内存那块 GPU，跟英伟达的独立显卡比还是有差距。慢多少，下面有实测数字。

要动手。 它不是双击就装好的软件，得先配 Python 环境、装依赖、下模型。这一步劝退了大部分人——我这两天里，大半天就耗在这儿。

所以如果你只是想尝个鲜，用在线工具更省事；但如果你像我一样，素材不能外传、又想长期用，那自己装是值得的。

三、怎么装：从零到能跑

讲简明版。步骤本身不难，难的是环境（下一节细说）。

整体四步：

1. 准备 Python 环境。这个项目要 Python 3.10 到 3.12 之间。注意别用最新版——很多 AI 库还没跟上。 2. 建一个独立的虚拟环境。好处是装的这些东西不会污染系统，哪天不想要了，直接删文件夹。 3. 装依赖。一条命令的事，但会下载几百兆。 4. 跑起来。第一次运行会自动下载模型，也是几百兆。下完就出来一个网页界面。

界面是英文的，但结构特别简单，就三块：

左边一栏 SOURCE，放你的脸；旁边一栏 TARGET，放要处理的图片或视频；底部一个 START，点它开跑。

我第一次跑通的时候，单张图不到 3 秒就出结果了。真正磨人的全在下面。

四、四个坑：真正花掉我两天时间的东西

软件本身是好的，坑都在环境上。四个，逐个说。

坑一：装依赖，反复超时。

症状是安装到一半卡住，报错说某个几百 KB 的小包下载失败。

我第一反应是下载源的问题，换了两三个国内镜像，照样不行。

后来我做了个对比测试：手动去下载那个"下载失败"的文件，0.3 秒就下来了。可安装器自己去下，就是断。

这就说明问题根本不在源上，而在连接的保持上——短时间的小请求没问题，但安装器那种长时间的、并发的下载流，会被中途掐掉。

想通这一点，解决就简单了：把并发降下来、超时时间拉长，让它一个个慢慢下。慢是慢点，但一次就过了。

这事给我的教训是：报错信息指的地方，往往不是真正的原因。 报错说"网络错误"，可能不是网络不通，而是连接被中断的方式有问题。

坑二：缓存悄悄膨胀到 1G。

这个坑不报错，是事后才发现的。

程序跑的时候会生成一个缓存目录，用来存编译好的模型。我一直没管它，回头一看——攒了整整 1G。

解决办法很简单：整个目录删掉，下次运行自动重建。就跟你电脑卡了重启一下一个道理。

坑三：模型加载失败。

有一次跑视频，报错说模型加载失败。

查下来是缓存的问题：同一时间多个进程都在编译模型，抢同一个缓存文件，互相踩了脚。

换成用 CPU 跑，不碰那套 GPU 缓存，就顺利过了。慢一点，但稳。

坑四：结尾那句吓人的报错。

这个其实不算坑，是虚惊。

每次跑完，最后都会蹦出一句 recursive_mutex lock failed，看着像是崩了。

实际上呢——成品早就写完存好了。这句话是推理引擎退出时的老毛病，跟结果没关系。

我第一次看到它，把整个流程白重跑了一遍。所以写在这儿：看到它别慌，先看输出文件在不在。

五、算笔账：这东西到底快不快

四个坑填完，说成果。

用苹果 M1 Max 的实测数据：

这是个什么概念：一段 6 秒的视频（150 帧），49 秒跑完。换算成一首 3 分 52 秒的歌，大概 5800 帧，全程要 25 到 35 分钟。

不快。但对着"素材不出门、不花一分钱"这两条，我觉得可以接受。

最后说两句边界，这个必须讲清楚。

只换该换的脸。 我自己的，或者明确授权给我的。别人的脸——哪怕是网上随手找的——都不行。这不是技术问题，是底线问题。

工具本身有授权限制。 这个开源项目默认带的那套换脸模型，官方标注是"仅供研究"，不能商用。要商用得自己训模型，或者换可商用的方案。我做内容的时候注意到了这一点，也提醒一句：别稀里糊涂踩坑。

发布要标注。 按现行规定，AI 生成或处理过的内容发出去，得做标识。这一步别省。

两天折腾下来，最大的感受是：AI 这东西，网上说的和真上手之间，隔着一堆没人告诉你的细节。而那些细节，恰恰是最费时间、也最值钱的部分。

这也是我打算在这个号里写的东西——不讲概念，讲我实际怎么用、在哪儿栽过跟头。