企业官网建设流程全解析

从 DeepFaceLab 到 FLUX：一场跨越 GAN 与 DiT 的换脸技术代际战争

几年前想给自己换张脸，是件挺"苦"的事。

你得先攒素材：同一个人的正脸、侧脸、仰头、低头，几百上千张打底，讲究的还得几万张。然后开着一台轰鸣的电脑，训练上十几个小时甚至几天。中间不能关机，参数调错一次，从头再来。

那套玩法的代表，就是大名鼎鼎的 DeepFaceLab。

而最近，一个叫 BFS（Best Face Swap）的开源项目在海外模型社区悄悄火了起来：十一万多次下载，七百多个赞，用的还是最宽松的 MIT 协议，谁都能免费用。

最让人感慨的不是它效果好，而是它把换脸这件事，从"养一个模型"变成了"插一个小插件"。

这中间隔着的，正是 GAN 和 DiT 两个时代的距离。

一、GAN 时代的换脸：给每个演员单独捏一副面具

用大白话讲，DeepFaceLab 那一代技术，走的是"私人定制"路线。

你想换谁的脸，就得为这个人单独训练一个小模型。这个过程像什么？像老手艺人对着照片捏蜡像——先看几千张图，一点点把五官、骨骼、皮肤质感"刻"进模型里。模型只认这一个人，别人一概不会。

好处是当年确实惊艳，很多影视二创、短视频换脸都靠它吃饭。

坏处也很明显：

一是费时间。一个人的模型，训练几小时到几天，是家常便饭。

二是费素材。素材不够、角度不全，出来的人脸就显得"飘"，一动就露馅。

三是没法通用。换一个人，全部推倒重来。它更像一门手艺，而不是一个工具。

这就是 GAN 时代留下的技术遗产：它证明了机器能把脸换得很像，但也把"像"这件事，锁在了漫长训练里。

二、DiT 上场：不再"造一个人"，而是"指挥一个懂画面的模型"

现在的主流换脸思路完全变了。

FLUX、Qwen Image、Krea 这类新模型，背后是 DiT 架构。你不用再教它"人脸长什么样"——它在预训练阶段早就看过海量图片，天生就懂光影、懂结构、懂皮肤该有什么质感。

你要做的，只是给它一个"外挂"：LoRA。

打个比方，GAN 时代是从零培养一个替身演员，得教他走路说话；DiT 时代是请了一位经验老到的剧照摄影师，你只要递给他两张照片，说一句"把这张脸安到那个人身上，光别乱"，他自己就懂了。

BFS 就是这个"外挂"合集。

它本身不是一个能双击打开的软件，而是一批体积极小的模型文件，配上现成的工作流，塞进 ComfyUI 里就能用。它同时覆盖了 Qwen Image 2.1、Qwen Image Edit 2509/2511、FLUX.2 Klein 的 4B 和 9B 版本，还有 Krea 2，甚至连视频方向的 LTX-2 都留了实验版本。

一句话：主流的新一代画图模型，它几乎都配了对应的换脸方案。

三、它到底强在哪？三个最直观的变化

变化一：从"换脸皮"升级到"整套换头"

这是 BFS 最核心的进化线。

最早的 Face V1，只换五官，头发、脸型轮廓、背景都保留原样，适合那种"只想微调一下长相"的轻度需求。

到了 Head 系列，逻辑就变了：把原图里的头整个"摘下来"，换成参考图里的头，而且发型、眼睛颜色、鼻梁结构必须跟着参考图走。

更妙的是另一头：眼神方向、头部转动角度、嘴角的细微表情，要跟着原图走。

这就像给演员换了一张脸，但戏还得接着演。要不然出来的人虽然长得像，表情却是僵的，一眼假。

从 V3 开始，作者还做了一个很"反直觉"的改动：输入顺序反过来了，第一张放身体，第二张放脸。

别小看这个细节。社区里大量的翻车案例，都是因为顺序放反了——出来的结果不是脸没换好，而是整个人被"重画"了一遍。作者干脆在文档里反复标注：这几个版本就是身体在前、脸在后，别搞混。

变化二：为了解决"塑料皮肤"，作者只摘掉了 16 个小零件

这一段特别能体现新一代技术的精细程度。

早期版本有个通病：脸是换上了，但皮肤变得太光滑，毛孔、雀斑、细纹全被抹平，看着像刚做完医美，甚至有点蜡像感。

作者的做法不是简单粗暴地降低强度，而是把模型拆开，一组一组关掉试。

最后定位到：问题出在模型内部一条叫 MLP 的通路上——它负责"重写"模型对皮肤质感的认知，训练时把皮肤往数据集那种光滑感上拉了。

于是 V1.1 版本，只摘掉了后半段网络里的 16 个小模块，一共 192 个里动了 16 个，其他一个字节没改。

结果：脸部皮肤细节提升了大约三分之一，同时姿势、角度、身份相似度基本没退。

这还没完。作者又做了个"另类版本"：不是摘模块，而是把整条通路的强度压到原来的 35%。这个版本皮肤更真实，表情也抄得更到位，代价是头部角度平均偏了大概一度。

一个偏"稳"，一个偏"活"。原图表情夸张、嘴和眼睛是画面重点的，选后者；在意头部角度精准的，选前者。

这种"一度、三分之一"的斤斤计较，才是真正好用的关键——它不是炫技，是在替用户做选择题。

变化三：不止换脸，还能"换整个人"

BFS 还有一条支线：Body Swap，换身体。

你给一张场景图，再给一张参考人物图，它会把场景里的人整个换成参考里的那个人，衣服、身材比例一起搬过来，但姿势、构图、光线、背景尽量保留。

Krea 2 版本的示例图里，瑜伽、坐姿、餐厅、厨房、户外、近景都有：

这东西的实际用途比想象中多：电商模特换人、虚拟主播形象统一、短剧角色试装、自媒体封面批量出图。

不过作者自己也很坦诚：换身体是实验性的，姿势不保证百分百照搬。

而且它有一个很挑的"脾气"——参考图必须是全身、正面、站直、纯色浅背景，人物占满画面。你随手截一张带杂乱背景的自拍丢进去，背景就会"渗"到结果里，人也不像了。

作者甚至给了一个补救方案：先用模型本身把半身照"补"成标准全身照，再拿去当参考。听着绕，但这正说明：新工具不是没有门槛，只是门槛从"训练"挪到了"喂对素材"。

四、普通人能玩吗？门槛到底在哪

先说结论：它不难，但它不是手机 App。

BFS 的用法，是在本地装好 ComfyUI，把模型文件放进指定文件夹，打开作者配好的工作流，塞两张图，写一句提示词，强度拉到 1.0，点生成。

提示词也不神秘，本质就是一段"导演指令"：以第一张图为基础，保留它的光线和背景，把头整个换掉，发型、眼睛颜色、鼻子结构照第二张来，眼神方向和微表情照第一张抄。

作者还贴心地塞了个可选加速插件，能把出图步数压到 8 步左右，等待时间明显缩短。

硬件方面，社区实测的经验是：8GB 显存能起步，12GB 比较舒服，16GB 以上才建议去玩 FP32 那种高精度版本。苹果电脑和纯核显的本子，会比较吃力。

那完全不懂技术的普通人怎么办？

现实路径有两条：一是找别人做好的 ComfyUI 整合包，一键部署、导入工作流，基本是"下一步、下一步"；二是等一等——这种模型热度一上来，网页版和傻瓜工具通常很快就会跟上。

它眼下最适合的人群其实很明确：做图的自媒体、要批量出素材的电商、玩 AI 绘画的发烧友，以及需要快速做分镜预览的影视从业者。

五、该泼的冷水，也得泼

BFS 不是万能的。作者在文档里列得很直白：

小脸、极端角度、手挡住脸、头发边界复杂、光线条件差异太大，都会掉效果。换身体时，如果场景和参考人物性别、年龄、体型差太多，失败概率明显上升。

还有一条必须说清楚的红线：不要拿公众人物做，也不要用没经过本人同意的照片。这不是客套话，项目文档里专门写了一行。技术越便宜，滥用成本越低，这条线就越要守住。

写在最后

从 DeepFaceLab 到 BFS，真正变化的不是"像不像"，而是获取"像"的成本。

过去是给一个人造一个模型，几天时间，一套素材，一台不能停的机器。

现在是给一个通用模型装一个小插件，两张图，一句话，几十秒。

这背后是整条技术路线的换代：GAN 靠"专才"，DiT 靠"通才 + 微调"。前者像手工定制，后者像流水线加装模具。模具一换，产量和门槛就完全不是一回事了。

有意思的是，越是这种"几十秒搞定"的工具，越考验使用者的判断力：素材喂得对不对、版本选得准不准、结果有没有偷偷改掉背景和文字。

机器把力气活干了，剩下的活儿，反而更考验人。

如果换脸的成本真的降到"随手一按"，你最想还原哪个场景？是想看看自己演古装剧的样子，还是想把家里老照片里模糊的亲人，重新清晰一次？评论区聊聊。