Mindket

InsightFace-Face Swapper-on Video

新上架第 1 版 · 更新于

概览

把视频片段里的一张脸换成另一张脸,用 InsightFace 换脸模型加一个简单的 Streamlit 页面。可以在 Hugging Face 的浏览器里用,也可以在你自己的电脑上跑。

InsightFace-Face Swapper-on Video 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 在 Windows、macOS 或 Linux 上装好 Python
  • pip 工具,用来安装 requirements.txt 里的 Python 包
  • 如果在线使用这个 Space,什么都不用装,它直接在浏览器里运行
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 的 Windows
  • 装有 Python 的 macOS
  • 装有 Python 的 Linux
先运行
pip install -U huggingface_hub
hf download zerovic/InsightFace-Face_Swapper-on_video --repo-type space --local-dir InsightFace-Face_Swapper-on_video
cd InsightFace-Face_Swapper-on_video

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这个 Space 能把视频片段里的一张脸换成另一张脸。换脸由 app.py 里的一个小型 Streamlit 应用来驱动,模型文件 inswapper_128.onnx 就放在同一个仓库里。你可以在浏览器里用,也可以把它复制到自己的电脑上运行。

适合谁

适合剪辑或试玩视频的人,想不搭整套流程就快速试一下换脸。想看一个围绕 ONNX 模型的简短 Streamlit 例子的开发者,也会觉得有用。

行业谁在用怎么用例子
视频剪辑业余剪辑者在短片里放入一张替身的脸正式剪辑前,先在测试片段上试一张不同的脸
教育计算机视觉的学生研究换脸模型怎么处理动态画面用应用跑一段视频,再和原片对比
软件Python 开发者阅读 app.py,把思路用到自己的工具里复制这个 Space,再换掉输入片段

如果你从不处理视频或图片里的人脸,可以跳过它。

用在哪里

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 的 Windows
  • 装有 Python 的 macOS
  • 装有 Python 的 Linux
用途适合谁你得到什么
给片段换脸视频爱好者同一段视频,里面换上了另一张脸
测试换脸模型学生和开发者一个可以查看、也能在本地运行的演示

如何设置

开始之前你需要的东西很少。

  • 在 Windows、macOS 或 Linux 上装好 Python
  • pip 工具,用来安装 requirements.txt 里的 Python 包
  • 如果在线使用这个 Space,什么都不用装,它直接在浏览器里运行
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 的文件下载到本地文件夹。
  3. 进入那个文件夹。
  4. 安装指定版本的 Streamlit,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download zerovic/InsightFace-Face_Swapper-on_video --repo-type space --local-dir InsightFace-Face_Swapper-on_video
cd InsightFace-Face_Swapper-on_video
pip install streamlit==1.39.0
pip install -r requirements.txt
streamlit run app.py

如何使用

在线使用时,打开这个 Space 的页面,直接在里面操作。在自己的电脑上,就在项目文件夹里运行下面这条命令,再打开 Streamlit 显示的页面。

streamlit run app.py

示例

你打开这个 Space,给应用一段短视频,再给它你想放进去的那张脸。应用会返回换好脸的视频片段。

新手与专家

如果你是新手,先在浏览器里打开这个 Space 的页面,拿一段短视频试一次。这一步不用安装任何东西,很快就能看到换脸的效果。

如果你熟悉这个领域:换脸模型是仓库里的一个 ONNX 模型文件,旁边只有一个 app.py,线上版本跑在基础的 CPU 硬件上。CPU 主机没有显卡来加快视频处理,所以较长的片段可能要等一阵子。

  1. 打开 Space,或在本地运行 streamlit
  2. 给应用一段视频和一张脸
  3. app.py 加载 inswapper_128.onnx 模型
  4. 视频里的脸被换掉
  5. 你拿回换好脸的视频

注意事项

来源给出的限制很少,所以请自己检查结果。

  • License: MIT,和这个 Space 的许可证一行写的一致
  • Cost to run: 没有提到,线上版本用的是 Hugging Face 的基础 CPU 硬件
  • Data it reaches: 你给它的视频和人脸。线上版本跑在 Hugging Face 的服务器上,而在你电脑上的副本处理的是本地文件

README 和文件

README

InsightFace-Face Swapper-on Video

把视频片段里的一张脸换成另一张脸,用 InsightFace 换脸模型加一个简单的 Streamlit 页面。可以在 Hugging Face 的浏览器里用,也可以在你自己的电脑上跑。

由 zerovic 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个 Space 能把视频片段里的一张脸换成另一张脸。换脸由 app.py 里的一个小型 Streamlit 应用来驱动,模型文件 inswapper_128.onnx 就放在同一个仓库里。你可以在浏览器里用,也可以把它复制到自己的电脑上运行。

适合谁:适合剪辑或试玩视频的人,想不搭整套流程就快速试一下换脸。想看一个围绕 ONNX 模型的简短 Streamlit 例子的开发者,也会觉得有用。

行业 | 谁在用 | 怎么用 | 例子
视频剪辑 | 业余剪辑者 | 在短片里放入一张替身的脸 | 正式剪辑前,先在测试片段上试一张不同的脸
教育 | 计算机视觉的学生 | 研究换脸模型怎么处理动态画面 | 用应用跑一段视频,再和原片对比
软件 | Python 开发者 | 阅读 app.py,把思路用到自己的工具里 | 复制这个 Space,再换掉输入片段

如果你从不处理视频或图片里的人脸,可以跳过它。

用在哪里:

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 的 Windows
  • 装有 Python 的 macOS
  • 装有 Python 的 Linux
用途 | 适合谁 | 你得到什么
给片段换脸 | 视频爱好者 | 同一段视频,里面换上了另一张脸
测试换脸模型 | 学生和开发者 | 一个可以查看、也能在本地运行的演示

如何设置:开始之前你需要的东西很少。

  • 在 Windows、macOS 或 Linux 上装好 Python
  • pip 工具,用来安装 requirements.txt 里的 Python 包
  • 如果在线使用这个 Space,什么都不用装,它直接在浏览器里运行
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 的文件下载到本地文件夹。
  3. 进入那个文件夹。
  4. 安装指定版本的 Streamlit,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download zerovic/InsightFace-Face_Swapper-on_video --repo-type space --local-dir InsightFace-Face_Swapper-on_video
cd InsightFace-Face_Swapper-on_video
pip install streamlit==1.39.0
pip install -r requirements.txt
streamlit run app.py

如何使用:在线使用时,打开这个 Space 的页面,直接在里面操作。在自己的电脑上,就在项目文件夹里运行下面这条命令,再打开 Streamlit 显示的页面。

streamlit run app.py

示例:你打开这个 Space,给应用一段短视频,再给它你想放进去的那张脸。应用会返回换好脸的视频片段。

新手与专家:如果你是新手,先在浏览器里打开这个 Space 的页面,拿一段短视频试一次。这一步不用安装任何东西,很快就能看到换脸的效果。

如果你熟悉这个领域:换脸模型是仓库里的一个 ONNX 模型文件,旁边只有一个 app.py,线上版本跑在基础的 CPU 硬件上。CPU 主机没有显卡来加快视频处理,所以较长的片段可能要等一阵子。

打开 Space,或在本地运行 streamlit
给应用一段视频和一张脸
app.py 加载 inswapper_128.onnx 模型
视频里的脸被换掉
你拿回换好脸的视频

注意事项:来源给出的限制很少,所以请自己检查结果。

  • License: MIT,和这个 Space 的许可证一行写的一致
  • Cost to run: 没有提到,线上版本用的是 Hugging Face 的基础 CPU 硬件
  • Data it reaches: 你给它的视频和人脸。线上版本跑在 Hugging Face 的服务器上,而在你电脑上的副本处理的是本地文件

Hugging Face 上的数据(2026年11月13日)

  • 点赞:5
  • 构建方式:streamlit
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/zerovic/InsightFace-Face_Swapper-on_video
  • 文件:https://huggingface.co/spaces/zerovic/InsightFace-Face_Swapper-on_video/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
InsightFace-Face Swapper-on Video 本页5streamlitmit
Inpaint_Me共有 streamlit11streamlitapache-2.0
Spotify Song Reccomender共有 streamlit2streamlitmit
Smart Search共有 streamlit1streamlitcc-by-nc-sa-4.0
Reddit Video Downloader共有 streamlit0streamlitmit
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

新上架

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。

新上架

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。

新上架

效率类的相似商品

查看效率类的全部商品

Wan2.1-T2V-1.3B-Diffusers

Wan-AI · 工具包

用小型的 1.3B Wan2.1 模型根据文字提示词生成短的 480P 视频,已打包成 diffusers 库可用的形式。在约 8.19 GB 显存的消费级显卡上就能运行。

新上架

Dulu Malayalam ASR

serendipitylabs · 工具包

在 CPU 或 CUDA GPU 上把马拉雅拉姆语语音转成文字,是 Serendipity Labs 的早期研究版本。适合想为简短清晰的录音生成转写草稿的人。

新上架

LFM2.5-350M-home-assistant-sft

OrdenWills · 工具包

把“关掉电视”这样的日常家居指令变成结构化的工具调用,并先检查设备状态。这是一个 3.5 亿参数的模型,适合智能家居开发者和爱好者。

新上架