视频换脸一直是 AI 后期里"看起来简单、做好很难"的方向。多数一键工具做的是像素级贴脸替换，人物一动就破绽百出。而一套来自 VFX 艺术家的 ComfyUI 工作流给出了另一种思路：把换脸做成一条时序生成管线——先让模型理解"谁的脸、什么动作、什么光照"，再按原始表演逐帧生成，而不是直接覆盖贴图。

一、这不是传统"贴脸"换脸

这套工作流的核心区别在于：它不是简单地把 A 的脸贴到 B 的身体上，而是组合了目标检测、分割、姿态驱动和视频生成四类能力：

  • 用目标检测锁定头部区域，自动生成包围盒，不需要手动框选；
  • 用分割模型产出精准的头部蒙版，头发丝、轮廓边缘都能被正确区分；
  • 从原始视频提取姿态与人脸信息，驱动生成过程，让"表演"完全来自原片；
  • 用参考图 + 自动生成的提示词建立"替换身份"的语义理解，再交给视频模型做时序一致的采样。

最终效果是：动作、光影、节奏全部保留原片，替换的只是身份本身。可用于去龄化、身份替换、角色试镜等场景。

二、管线全景：六个核心节点

  1. Florence 2 —— 目标检测：负责在画面中找到人脸/头部位置并生成边界框，是整条管线的"眼睛"；
  2. SAM2 —— 精准分割：基于检测框生成逐帧分割蒙版，把头部从背景中干净地剥离；
  3. Grow Mask —— 蒙版扩张调参：决定蒙版向外扩张多少，直接影响换脸边缘是否穿帮，是"成也萧何败也萧何"的关键参数；
  4. 姿态与人脸检测 —— 动作驱动：提取原始表演的运动信息，让生成结果跟着原片动作走；
  5. 参考图 + QWEN 自动提示词 —— 身份迁移：用一张参考图锁定新身份的面部特征，并由视觉语言模型自动生成描述提示词；
  6. WAN Video 采样 —— 时序生成：视频模型按帧生成，保证相邻帧之间身份、光影、动作连续不闪烁。

三、制作步骤

  1. 在 ComfyUI 中加载工作流，准备两样输入：一段目标视频（提供表演）和一张身份参考图；
  2. 运行 Florence 2 节点，确认人脸检测框正确覆盖每一帧的头部区域；
  3. 检查 SAM2 分割蒙版，边缘是否贴合发丝与轮廓；
  4. 调节 Grow Mask 扩张值——蒙版太小边缘生硬，太大则会把背景一起带走，建议从小往大逐步试；
  5. 确认姿态/人脸检测正常输出关键点，驱动源选择原始视频；
  6. 放入参考图，让 QWEN 自动生成身份描述提示词，可手动补充发型、肤色等细节；
  7. 运行 WAN Video 采样，逐段预览，重点观察交接帧与遮挡场景是否稳定。

四、关键参数：Grow Mask 为什么决定成败

换脸翻车最常见的原因不是模型不行，而是蒙版边界处理不当。Grow Mask 控制分割蒙版的向外扩张量：扩张不足，替换区域边缘会露出原始脸的痕迹；扩张过度，会把额头、发际线之外的背景一起替换，导致轮廓"糊成一团"。建议先固定其他参数，单独扫描该参数的 3-5 档取值，找到既不露边又不溢出的区间，再进入正式生成。

五、实操建议

  • 从短片段开始：先跑 3-5 秒的测试段确认身份锁定和边缘质量，再整段生成，避免浪费算力；
  • 遮挡与转身是难点：手部遮挡、大幅转头等镜头容易闪变，优先用侧面/半身素材做验证；
  • 不想碰节点图也能用：工作流提供 App Mode，把整条管线封装成"丢素材、出结果"的界面，适合不熟悉节点图的创作者；
  • 身份参考图要"素"：参考图光线越中性、表情越平静，跨场景迁移越稳定；花哨的参考图会把妆容和光影一起带过去。

工作流演示视频（时长约 4 分 14 秒）