这个换脸流程逻辑简单说一下，使用的是Flux-GGUF的基础模型，依靠提示词生成一个人体姿势，然后再上传一张将要替换的脸部人像，通过face swap加facedetailer两个插件进行交替叠加效果，从而获得真实的换脸操作。有个缺点，目前还没法找到头部以下解决清晰度又能够做到保真的效果。
下面是案例：
韦德换脸
放个大点的工作流可以看到，左下角是上传要换脸的图，左边第1张是文生图。他们相互融合通过插件生成第二张和第三张效果。那这两张有什么差别？ 我实际对比发现第三张能够加强脸部的光线处理，立体感更强，脸上的细节会更多。
科比换脸
这里我适当的将提示词加入了科比的名字，正好因为之前模型有这部分的人像训练，所以才会换脸的精确度更高。你可以发现左边第一张的文生图效果就已经很好了。
贝克汉姆换脸
输入图像
发现，它目前替换的还仅仅是脸部这块，头发没有做替换。得要研究下如何将整个脑袋进行替换融合这才是真正换脸，从而达到逼真的问题。
结论：
从换脸的流程来看，faceswap的换脸操作能够稳定替换，但是不够逼真，需要研究遮罩能够覆盖更大的替换范围。
没有一招鲜的方法能够全部通吃，每张图不一样，参数也要适当做修改。
启发：
如何修改这个流程让其仅替换脸部？不用文生图来做底图。上传2张图，1张是将要替换脸部的，另1张是将要被替换脸部的图，身体保留。这样能够做到真实性，避免衣服变形或者字体动态不对。（当然前提是对真实性要求非常高的前提下）
