即時換臉是怎麼運作的？拆解背後的 AI 影片處理流程

即時換臉的意思是：處理流程產出的替換影格夠快，播放不必等它。每秒 30 格時，預算大約是每格 33 毫秒；每秒 60 格時約 16.7 毫秒。再慢就只能掉格、降低預覽解析度，或是乾脆落後播放。

能不能達到這個預算，取決於模型、解析度與硬體，所以把它當成可量測的性質，而不是功能名稱。以下說明時間花在哪裡，以及怎麼在自己的機器上量。

什麼時候即時是現實的

需要在下定決心輸出前先判斷一次換臉時，即時預覽才有價值：一張來源臉、一個難角度、一個表情。它不是輸出品質的保證，預覽跟得上也不代表輸出很快。

長時間錄影、批次工作，以及你不願上傳的素材都不適合它，那裡看的是總處理時間而不是延遲。本機流程與長影片兩篇分別處理這些情況。

毫秒花在哪裡

影片換臉是一條鏈，任何一環慢下來，影格就卡住：

1. 解碼，把壓縮影格還原成像素。FFmpeg 文件說明了編碼、濾鏡與解碼階段；高解析素材在碰到臉之前就要在這裡花時間。
2. 偵測，回傳每張臉的位置框與信心分數。
3. 關鍵點，定位眼睛、鼻子與嘴巴，才能對齊。
4. 對齊，裝進固定正方形，這決定模型能看到多少臉。
5. 辨識，一格裡有多人時決定要換誰。
6. 生成，依來源人物的身分、貼合目標的姿態造出一張臉。
7. 融合，如果你在錄影，再對影格編碼。

由此有兩點。重要的是吞吐量而不是平均速度：33 毫秒是一條截止線，各階段重疊也只有當整條鏈跟得上才有意義。另外，解析度會同時抬高好幾個階段的工作量。3840×2160 的影格是 1920×1080 的四倍像素，解碼、合成、編碼都變大，而人臉模型可能仍在固定尺寸的裁切上工作。總時間上升，但不會乾淨地乘以四。

本站的照片處理能說明什麼

本站的瀏覽器工具處理靜態影像，每一項成本都能在原始碼裡對照，因此適合當第 2 到第 7 步的參照。

• 偵測用的是 MediaPipe 的 FaceLandmarker，設定為單臉、靜態影像模式（產品規格）。它在瀏覽器裡執行，優先使用 GPU，失敗時退回 CPU，模型首次使用時從 Google 的 MediaPipe 儲存空間下載。
• 對齊取五個點——兩個眼睛中心、鼻尖、兩個嘴角——依模型原生裁切尺寸套進範本（產品規格）：inswapper_128 是 128 px，Hyperswap 系列是 256 px。
• 融合在你自己的畫布上只改透明度，用邊緣模糊（0 到 1，預設 0.4）與融合面積（0 到 50，預設 50）（產品規格）。臉不會跟著滑桿移動，所以滑桿修不好一個沒對齊的裁切。
• 輸出是帶浮水印的 JPEG，在 6 MiB 的預算下逐級降低品質來編碼（產品規格）。

偵測跑在靜態影像模式，所以這條流程跟不上會動的臉。這就是瀏覽器工具只做照片、影片交給 Windows 應用的結構性原因。

一次照片請求要守的期限

即使只換一張，也有預算，它們解釋了大多數的「它就是失敗了」：

• 同步路徑 45 秒，排隊工作 150 秒（產品規格）；
• 每個工作階段每分鐘 6 次提交，每個網路每分鐘 12 次；
• 每天 800 次服務商呼叫的共用上限（產品規格）。

這些都不衡量品質。它們是服務執行的預算，而一條即時影片流程也會針對同一類限制來設計。

失敗時代表什麼

症狀	原因	在哪裡生效
"No face detected"	沒有取得關鍵點，或沒有一張單獨而清晰的臉	產品規格
送出前就被拒	格式不在 JPG、PNG、WebP 之內，空檔案，或超過 20 MB	產品規格
照片變小了	被縮到長邊 4096 px 或 16 MP	產品規格
介面拒收圖片	超過 6 MiB、16 MP、單邊 8192 px，或包含多格	產品規格
"The free demo is at capacity"	服務商的每日共用上限已用盡	產品規格
逾時	45 秒或 150 秒的期限到了	產品規格

還有一種情況不算錯誤：預覽跟得上，輸出卻跟不上。那是兩次設定不同的執行，要分別計時。

怎麼在自己的電腦上測預覽

1. 挑一段短片段，包含正臉、轉頭，以及手或頭髮掃過臉的畫面。
2. 準備一張光線接近場景的來源照片。
3. 改動之前先記下解析度、顯示卡與設定，這樣結果才能歸因到一個變數。
4. 在難處理的瞬間盯住下顎線、髮際線與眼睛：有沒有滑動、接縫或閃爍。
5. 輸出一小段，依原始尺寸看。不要用互動預覽來判斷輸出效果。

需要為影片做這個測試，用的是 ClapClip Windows 版：本機預覽、在自己的電腦上處理、免費下載，輸出需要在應用程式內購買。桌面版頁面列出支援的環境，PC 軟體比較討論替代方案。

桌面版與線上版是兩套工具

瀏覽器照片工具	ClapClip Windows 版
只處理靜態影像	照片與影片都能編輯
偵測與融合在瀏覽器，生成在伺服器	處理留在電腦上
免費、免帳號、換臉次數不限	免費下載；輸出需在應用程式內購買
手機與任何現代桌面系統都能用	Windows 10 或 11

攝影機輸入是另一回事，和匯入檔案不同：它走即時攝影機流程，別和片段的預覽混為一談。

結果是照片就用瀏覽器：線上照片工具不用帳號，一次請求就結束。要在輸出前判斷片段，走即時流程；如果素材必須留在自己機器上是決定因素，先讀離線換臉指南。

常見問題

一般電腦能跑即時換臉嗎？

有時可以，只有在你機器上測一次才算數。影格率取決於模型、解析度、人臉數量與預覽設定；合適的顯示卡提高可能性，但不保證任何數字。

為什麼 4K 素材更慢？

4K 一格的像素是 1080p 的四倍，解碼、合成與編碼都更貴。模型推論可能跑在固定尺寸的裁切上，幾乎不變。慢多少取決於你的流程把時間花在哪。

本機處理比雲端更私密嗎？

本機推論去掉的是上傳這一條曝光路徑，不是全部。檔案權限、備份、螢幕分享依然存在，所以去讀應用程式的隱私說明，而不是假設一個桌面視窗就把一切留在本機。

哪一步是瓶頸？

每台機器都不一樣：推論、解碼、合成、編碼都可能成為主導。測整條鏈，別假設神經網路一定是最慢的部分。

資料來源與範圍

MediaPipe Face Landmarker記錄了影像與影片的關鍵點與轉換，FFmpeg 文件涵蓋媒體的解碼、濾鏡與編碼。這些資料解釋的是零件，不能證明本站以某種方式調度工作或達到某個速度。文中引用的產品規格描述的是瀏覽器裡的照片流程，不是桌面應用程式的影片引擎，後者的耗時取決於你的硬體與輸出設定。資料核對日期：2026 年 10 月 12 日。