# 04 · 视频后期与增强

生成出来的素材往往不够用：分辨率低、人脸崩、有闪烁、需要换脸/换人、需要风格化。这一类项目负责"救"。

---

## 1. facefusion —— 换脸/换头的工业级实现

| 项目 | ★ | 协议 | 最近提交 |
|---|---|---|---|
| `facefusion/facefusion` | 30,519 | FaceFusion 自定义许可（非商用免费） | 2026-11-03 |

**定位**：人脸替换 + 口型同步 + 人脸增强 + 年龄修改的一体化工具，有 Web UI 和 CLI。

**能力**：多个人脸处理器（inswapper、simswap、ghost 等）、可叠加后处理（超分、遮罩、颜色匹配）、支持视频逐帧处理。
**门槛**：有 NVIDIA 卡即可（8GB 起），CPU 也能跑但很慢。
**亮点**：工程完成度极高——遮罩、面部区域限制、帧间一致性处理都做了，输出比论文代码稳。
**注意**：非商用许可；涉及真人肖像必须获得授权，这是硬性法律问题而不是技术问题。

---

## 2. 超分与修复：Real-ESRGAN / CodeFormer / STAR

| 项目 | ★ | 协议 | 定位 |
|---|---|---|---|
| `xinntao/Real-ESRGAN` | 37,335 | BSD-3-Clause | 通用超分与去噪，`realesrgan-x4plus` 系列是行业默认件，BSD 协议商用极友好。 |
| `sczhou/CodeFormer` | 18,210 | 自定义（非商用） | 人脸修复，把模糊/崩坏的人脸还原到可用水平，配合超分用在 AI 视频上效果显著。 |
| `NJU-PCALab/STAR` | 1,506 | 未声明 | ICCV 2025 视频超分，时空增强 + T2V 模型先验，专治视频超分的闪烁与纹理丢失。 |

**实战顺序（AI 视频后处理）**
```
生成 480P/720P → Real-ESRGAN 或 STAR 放大到 1080P/2K
        ↓
抽帧 → CodeFormer 修脸 → 回填（注意保持时间一致）
        ↓
可选：插帧（RIFE/FILM 类）到 30/60fps
```
**坑**：逐帧修脸会闪烁，必须做人脸区域掩膜融合 + 相邻帧平滑；整段视频直接过 CodeFormer 会把非人脸区域也改花。

---

## 3. Rerender-A-Video —— 视频风格化重绘

| 项目 | ★ | 协议 | 最近提交 |
|---|---|---|---|
| `williamyang1991/Rerender_A_Video` | 2,997 | 自定义（非商用） | 2024-03-09（停更） |

**定位**：SIGGRAPH Asia 2023，零样本文本引导的 video-to-video 风格迁移：真实拍摄 → 动漫/油画/赛博风格，保持时序一致。

**现状**：代码稳定，但基于旧的扩散管线（SD1.5 时代），画质不如当前 Wan-VACE / AnimateDiff 方案。新项目建议看 **`ali-vilab/VACE`** 做视频编辑（换装、局部重绘、参考生视频），1.3B 版本单卡可跑，Apache-2.0。

---

## 4. 视频编辑与可控生成（补充）

| 项目 | 定位 |
|---|---|
| `ali-vilab/VACE`（4,046★，Apache-2.0） | 阿里统一视频编辑模型：局部重绘、换装、换背景、参考图生视频、姿态/深度控制。**目前开源里做"改视频"最实用的一个。** |
| `PKU-YuanGroup/ConsisID`（863★） | 身份保持的文生视频，用于"同一个人跨镜头"。 |
| `modelscope/DiffSynth-Studio`（13,336★） | 把上述能力统一封装调度，适合做批处理服务。 |

---

## 选型速查

| 需求 | 工具 | 说明 |
|---|---|---|
| 提高分辨率 | Real-ESRGAN / STAR | 通用用前者，视频专用要时序一致用后者 |
| 修崩坏的脸 | CodeFormer | 配掩膜融合，别整帧处理 |
| 换脸 | facefusion | 商用需授权，真人需肖像权 |
| 换装/换背景/局部改 | VACE | Apache-2.0，可商用 |
| 风格化整片重绘 | VACE / Rerender-A-Video | 优先 VACE，后者已停更 |
| 补帧 | RIFE/FILM 类 | 24fps → 60fps，注意运动模糊要匹配 |

**通用原则**：后处理只能"救"，不能"造"。生成阶段的构图、光照、人脸大小决定了 8 成最终质量——把算力花在生成端比花在修复端回报高得多。