如果你正在寻找一个无需联网、操作简单、支持批量处理的人脸替换工具,那么 NexFace 或许正是你需要的那个。
这款由 ExoFi-Labs 开发的桌面级应用基于 Python 和 Gradio 构建,为 Face2Face 库提供了图形界面封装,使得用户可以轻松地将一张人脸“移植”到成百上千张图像或视频中,整个过程只需几次点击即可完成。

✅ 完全本地运行|✅ 支持图像与视频|✅ 高质量输出
🚀 主要功能一览
✅ 批量图像/视频处理
无论是图像还是视频,都可以一次性上传多个文件进行人脸替换,大幅提升工作效率。

✅ 视频保留音频
处理视频时可自动保留原始音频轨道,避免后期手动合成的麻烦。
✅ 高质量模式
启用后自动进行图像增强处理:
- 图像预处理放大至 1024px
- 使用 Lanczos 滤波器进行超分放大
- 添加锐化与对比度增强
让最终输出更接近专业水准。
✅ 多种人脸增强模型支持
集成 GFPGAN、GPEN 等主流人脸修复模型,进一步提升细节质量。
✅ 用户友好界面
采用 Gradio 构建的简洁 UI,分为三大模块:
- 图像处理
- 视频处理
- 批量视频处理
✅ 输出管理便捷
所有结果自动保存在 output 文件夹,并提供一键打包下载 .zip 文件。
✅ 本地运行,隐私安全
所有数据均在本地处理,不涉及任何云端上传,保障用户隐私。
✅ 跨平台支持
兼容 Windows、macOS 和 Linux,并支持一键打开输出目录。
✅ 实时进度显示
提供详细的进度条和预计剩余时间,让用户清楚掌握处理状态。
✅ 自动内存管理
自动清理 GPU 缓存,降低因显存不足导致的崩溃风险。
⚙️ 技术原理简述
NexFace 基于 Face2Face 库 和 Insightface 的人脸检测技术 实现核心功能,流程如下:
- 预处理:源图与目标图统一放大至最小 1024px,以保证更多细节参与替换。
- 人脸替换:利用 Insightface 模型进行精准人脸定位与替换。
- 后处理:对替换区域进行 Lanczos 超分放大、锐化与对比度增强。
- 可选增强:使用 GFPGAN 或 GPEN 模型对人脸区域进行细节修复,提升画质。
🧰 系统与环境要求
- Python 3.7 或更高版本
- 至少 5GB 内存
- 推荐使用具有至少 8GB VRAM 的 GPU 加速推理(也可使用 CPU,但速度较慢)
- FFmpeg(用于视频处理及音频保留)
- 依赖库详见项目中的
requirements.txt
📦 安装步骤
1、克隆仓库
git clone https://github.com/ExoFi-Labs/Nexface.git
cd nexface
2、创建虚拟环境(推荐)
python -m venv venv
source venv/bin/activate
# Windows 上使用 venv\Scripts\activate
3、安装依赖
#基础人脸替换功能
pip install socaity-face2face
#包含完整功能(如 Web 服务)
pip install socaity-face2face[full]
#安装其他项目依赖
pip install -r requirements.txt
▶️ 启动与使用
- 在终端进入项目目录:cd nexface
- 运行程序:python app.py
- 浏览器访问提示地址(通常为 http://127.0.0.1:7860)
📘 使用说明
🖼️ 图像处理
- 上传源人脸:拖放包含目标人脸的图片。
- 上传目标图像:可一次上传多张图片。
- 配置选项:
- ✨ 增强输出人脸(GFPGAN/GPEN)
- 🔍 高质量模式(开启后效果更好,处理时间略长)
- 可调节“人脸放大因子”
- 开始处理:点击 “🔁 开始处理”
- 查看结果:预览图展示在界面上,处理完成后可下载
.zip文件或直接打开输出目录。
🎥 视频处理
- 上传源人脸
- 上传单个视频文件
- 配置相同选项
- 点击 “🔁 开始视频处理”
- 输出带音频的处理视频
📁 批量视频处理
- 上传源人脸
- 上传多个视频文件
- 配置相同参数
- 点击 “🔁 开始批量处理”
- 生成包含所有结果的
.zip文件
⚠️ 注意事项与限制
- 大型视频文件可能占用大量 GPU 显存,虽然有自动内存回收机制,但在低配设备上仍可能出现 OOM 错误。
- 视频处理速度受硬件影响较大,推荐使用 GPU 加速。
- 需安装 FFmpeg 以保留音频,否则仅输出无音视频。
📜 使用须知与道德声明
本工具仅供创意、教育和合法用途。严禁制作未经同意的深度伪造内容或其他用于误导、骚扰或诽谤的材料。使用即表示您已阅读并接受相关责任条款。开发者不对任何滥用行为负责。














