FaceSwapLab 安装教程：从零到第一次换脸出图的完整指南-平芜编程栈

FaceSwapLab 安装教程：从零到第一次换脸出图的完整指南

【免费下载链接】sd-webui-faceswaplabExtended faceswap extension for StableDiffusion web-ui with multiple faceswaps, inpainting, checkpoints, ....项目地址: https://gitcode.com/gh_mirrors/sd/sd-webui-faceswaplab

FaceSwapLab 是一个跑在 Stable Diffusion WebUI 里的换脸插件：把参考图里的脸，按编号精准替换到生成结果中，还能顺手做面部修复、放大增强和面部检查点复用。这篇教程带你完成它的全部落地流程——装进 WebUI、验证插件可用、调好第一个能出效果的参数，你装完就能直接把一张人脸换进任何生成图里。

🧰 开装前 30 秒自检

先花半分钟确认环境，能省掉后面 90% 的排查时间。

条件	要求
Stable Diffusion WebUI	已能正常启动（a1111、Vladmantic 或 SD.Next 均可）
Python 版本	建议低于 3.11（3.11 可用，但模型加载和性能可能打折扣）
Gradio	3.32.0 左右，过老的版本与插件不兼容
Windows 用户	先装好 VS C++ Build Tools 或 Visual Studio 2022 的 C++ 桌面开发工作负载，否则依赖编译会失败
显卡	插件主体跑在 CPU 上以避免占用显存，但仍建议按 WebUI 官方配置留 8GB 以上显存
网络	首次启动要自动下载换脸模型，需要能正常访问模型源

🧭 选一条适合你的安装路线

两条路都能到终点，按你熟悉的方式挑一条就行。

界面装：Extensions 里填个地址

适合习惯点鼠标的你。

打开 WebUI，进入 "Extensions" 标签页，切到 "Install from URL" 选项卡。
把这行地址粘贴进 "URL for extension's git repository" 输入框，然后点击橙色的 "Install" 按钮：

https://gitcode.com/gh_mirrors/sd/sd-webui-faceswaplab

安装完成后关闭并重新启动 WebUI。

命令行装：clone 下来手动就位

适合习惯终端的你。先进到 WebUI 的 extensions 目录，执行下面这条命令把插件仓库拉下来：

git clone https://gitcode.com/gh_mirrors/sd/sd-webui-faceswaplab

然后进入插件目录，用下面这条命令安装它的 Python 依赖：

pip install -r requirements.txt

装完同样要重启 WebUI 才会生效。

🧪 装好了没有：三步验证

重启后在顶部标签栏找 "FaceSwapLab"，看到这个标签页，就说明装好了。
切进去后上传一张含人脸的图片到 Reference 区域——插件会自动解析图中有几张脸并显示编号。
首次运行时终端会提示正在下载模板模型，全部落到models/faceswaplab目录，耐心等它跑完即可。

如果标签页一直没出现，先查这三处：终端里的报错输出（Windows 上最常见的是缺少 C++ 编译环境）、Python 版本是否 3.11 或更高、Gradio 是否过老。把报错贴出来再动手猜，效率最高。

🎛️ 第一次出图，先动这几个参数

先别急着调全部选项。影响结果的其实是下面几个，其余保持默认就行：

参数	作用	建议值
det_size	人脸检测区域大小：值大更快更稳，值小对超大脸更敏感	默认 640；大脸漏检就改 320
det_thresh	检测阈值：调高只认最清晰的脸，调低认得更多但容易误检	默认 0.5，先不动
Upscaled swapper	在贴脸前先放大并锐化面部，再配合 CodeFormer 修复，可显著改善 128x128 原始输出的模糊感	显存够就开启
CodeFormer weight（Restore Face）	后处理面部修复强度，越低越像原脸，越高越"磨皮"	从 0.5 左右开始试

具体操作：把要换的脸放进 Reference，勾选目标 Face 单元里的 "Enable"，点 "Generate"。出图不满意时，优先动 Post-Processing 面板里的 Restore Face 和 Upscaler，再考虑 det_size / det_thresh。

💬 高频问题速答

脸没被替换？先确认 "Enable" 勾了没；勾了还没反应，多半是没检测到脸或被内容过滤器拦截。把 det_size 降到 320 或微调 det_thresh 再试。
显存不够？插件默认走 CPU，但如果开了 auto det_size（GPU 下会加载两份分析模型）或 Upscaled swapper，显存压力会翻倍——关掉这两项能明显缓解。
出图脸很糊？模型原生输出只有 128x128，这是上限决定的。用 Restore Face（CodeFormer/GFPGAN）、Upscaler 或 Upscaled Inswapper 补救。

想换多张图中指定的某张脸？用每个 Face 单元里的 "Comma separated face number(s)"，填脸编号就行。
想让同一张脸反复使用？用 Checkpoint 工具把多张脸融合成一个约 2KB 的.safetensors文件，之后直接加载，比每次传参考图省事。