@seclink: 换脸技术发展： DeepFaceLab (DFL)： 工业级视频/SaaS 生产线已基本不用。 淘汰原因：它要求一事一议，换张脸就得人工重新训练网络数小时，算力成本和人工干预成本极高，完全无法规模化（Scale）。 仅剩极少数电影特效工作…

X AI KOLs Following 新闻
face-swapping deep-learning computer-vision video-processing open-source ai-ethics

摘要

文章总结了换脸技术中DeepFaceLab、Inswapper_128、GFPGAN/CodeFormer等方法的淘汰原因，指出它们因成本、分辨率、时序抖动等问题已基本退出工业级应用，仅少数电影特效场景仍在使用。

换脸技术发展： DeepFaceLab (DFL)： 工业级视频/SaaS 生产线已基本不用。 淘汰原因：它要求一事一议，换张脸就得人工重新训练网络数小时，算力成本和人工干预成本极高，完全无法规模化（Scale）。 仅剩极少数电影特效工作室在做高预算单点制作时还会保留。 原版 Inswapper_128（FaceFusion/Roop 默认权重）： 严肃商业项目禁用。淘汰原因： 第一，InsightFace 的非商用开源协议有合规暴雷风险； 第二，128x128 的分辨率太低，换完脸后五官模糊、边缘有重影。 GFPGAN / CodeFormer 面部修复： 在视频流里已经淡出。淘汰原因： 逐帧做面部修复会导致“塑料脸”和严重的时序抖动（Flickering）。视频中脸部忽明忽暗、忽清晰忽模糊，工业界过不了审。
查看原文
查看缓存全文

缓存时间: 2026/06/28 16:04

换脸技术发展：

DeepFaceLab (DFL)：

工业级视频/SaaS 生产线已基本不用。

淘汰原因：它要求一事一议，换张脸就得人工重新训练网络数小时，算力成本和人工干预成本极高，完全无法规模化（Scale）。

仅剩极少数电影特效工作室在做高预算单点制作时还会保留。

原版 Inswapper_128（FaceFusion/Roop 默认权重）：

严肃商业项目禁用。淘汰原因：

第一，InsightFace 的非商用开源协议有合规暴雷风险；

第二，128x128 的分辨率太低，换完脸后五官模糊、边缘有重影。

GFPGAN / CodeFormer 面部修复：

在视频流里已经淡出。淘汰原因：

逐帧做面部修复会导致“塑料脸”和严重的时序抖动（Flickering）。视频中脸部忽明忽暗、忽清晰忽模糊，工业界过不了审。

相似文章

@IndieDevHailey: 恐怖！换脸技术已经进化到这个程度了吗？ 一秒钟变身任何明星、任何网红、任何你想成为的人！ 2026年最强本地AI换脸工具，GitHub 28.4k+ Stars，非FaceFusion莫属！它能让整张视频像原生拍摄一样自然，从照片到视频、…

X AI KOLs Timeline

该推文介绍了名为FaceFusion的本地AI换脸工具，在GitHub上有28.4k+星标，声称能实现自然逼真的视频换脸，支持照片到视频、多人场景、表情和唇同步等功能。

@leeoxiang: 把这个 skills 直接扔个我老婆用，发现就悲剧了： 1、国内的环境+Agent 在第一步 ffmpeg 安装就卡住了； 2、国内的大模型生成的前端代码硬是不符合我在 skill 中的要求。 国内没法翻墙、没法用最好的模型的用户真的好难。

X AI KOLs Following

用户 @leeoxiang 尝试将基于 Claude Code 和 hyperframes 的视频剪辑技能给国内用户使用，发现因网络限制和国内大模型能力不足导致安装和代码生成失败，反映了国内用户使用先进AI工具面临的障碍。

@seclink: https://x.com/seclink/status/2067968283492712846

X AI KOLs Following

本文基于研究者Victoria Lin的分享，系统梳理了原生多模态大模型的主流技术路线（Chameleon、Transfusion、MOT）及其优缺点，指出多模态AI仍处于早期探索阶段，存在缩放定律空白、图像理解与生成编码不统一、与物理世界对接等开放问题。