多人照片是 AI 换脸中最难处理的输入之一。困难不只来自“脸更多”，而是每张脸的尺寸、角度、表情、光照和遮挡程度都可能不同。模型还必须判断哪些检测到的人脸应该应用参考身份。
在当前 faceswap 流程中，你需要上传目标图片，并使用内置人脸参考图或有权使用的自定义参考图。系统没有精确的“第几张脸”选择器。如果你必须控制某一个人，裁剪就是最可靠的目标选择工具。
先明确最终结果要保留什么
编辑前先用一句话描述目标：
- “保留整组人物，但只变换站在中间的人。”
- “只制作左侧人物的近景 meme。”
- “让所有清晰可见的人脸应用同一参考图。”
- “保留两个人，但不要让远处人群参与识别。”
这些是不同任务，单次整图上传不一定能稳定完成所有要求。
如果只需要一个人，就尽量隔离一个人；如果完整群体背景不可缺少，就要接受目标选择和一致性会下降。不要假设模型永远选择最大、最中间或最左侧的人脸。
多人场景为何改变识别结果
人类能立即区分前景人物、远处人脸、镜中倒影、屏幕和海报。模型看到的则是一组可能的人脸图案。
检测结果可能受到以下因素影响：
- 人脸所占像素；
- 清晰度与对比度；
- 脸部可见范围；
- 头部角度；
- 与图片边缘的距离；
- 与他人的重叠；
- 人脸是否出现在屏幕、镜子或海报中；
- AI 服务商内部的预处理方式。
一张较小但正面的背景脸，有时比近处的大侧脸更容易检测。因此，肉眼认为的“明显主角”不一定是系统认为的明显目标。
三类多人照片任务
情况一：只需要一个人，不需要完整群体背景
把图片裁成该人物的头肩照或上半身构图。这种方式控制最强，通常质量也最好。
头发、耳朵和下颌周围要留出一定空间，不要紧贴脸部轮廓裁切。模型需要周围像素来融合边缘并继承场景光线。
情况二：只需要一个人，但必须保留群体背景
这种情况更困难，因为其他不需要变换的人脸仍然可能被检测。
可采用两阶段流程：
- 先制作一张只包含目标人物和必要附近环境的工作裁剪图。
- 在裁剪图上生成并检查换脸结果。
- 如果你拥有相关权利和普通图像编辑能力，再把审核后的结果放回原图副本。
这种方法能控制目标，但最终合成仍需要检查边缘、光线和 AI 标注。不得用它伪造证据或误导观看者。
情况三：需要变换多个人
要预期结果存在差异。同一参考图应用到不同人物时，会受到每张目标脸的几何、角度与光线影响。
对于风格化 meme，这种差异可能可以接受；对于精细作品，建议分别裁剪、处理并逐一审核。一次处理整组人物更快，但对变换对象和融合一致性的控制更弱。
稳定的裁剪流程
第一步：从原始文件开始
如果能获得原图，不要先用截图。截图通常会降低分辨率、加入界面边框并多经历一次压缩。
先复制原始文件，确保随时可以返回。不要反复覆盖唯一的原图。
第二步：找出所有可能被检测的人脸
除了目标人物，还要检查：
- 远处宾客；
- 位于画面边缘的人；
- 手机或显示器中的人脸；
- 镜子与窗户倒影；
- 海报、衣服印花或标牌；
- 被文字或贴纸部分遮住的脸。
只要一张不需要的人脸仍然可辨认，就应假设它可能被检测。
第三步：围绕目标人物制作第一版裁剪
近景应包含完整头部、颈部、肩膀和少量背景；中景可保留上半身和相关物品。
尽量不要裁断：
- 发际线或头顶；
- 下巴或下颌；
- 耳朵；
- 正在接触脸部的手；
- 与下颌边缘重叠的他人肩膀。
裁得太紧虽然能让脸部在画面中变大，却可能损坏边缘信息。目标不是最小的矩形，而是最干净、最有用的上下文。
第四步：裁剪后检查真实像素
裁剪会让脸在屏幕上看起来更大，但不会增加真实细节。请以 100% 缩放检查。如果眼睛和嘴仍然呈现明显像素块，应回到原图并选择其他图片。
好的裁剪应让目标不再含糊，同时保留足够的五官边缘。可以使用上传前照片质量评分表比较原图与裁剪图。
第五步：选择参考图
内置参考图用于提供稳定的默认身份。如果上传自定义参考图，应只包含一个人，并优先使用清晰肖像。
不要把多人照片作为参考图。参考图负责回答“换成谁”，目标图负责提供“什么场景和角度”。两边都含多张脸会形成双重歧义。
第六步：只导出一次
普通照片在需要控制体积时可使用 JPG；需要其他工作流时可以使用 PNG 或 WebP。以较高但不过度的质量导出一次，避免多次保存和重新打开。
当前上传界面会显示支持格式与文件大小限制，应以界面实际显示为准，不要假设大型相机原图一定能直接上传。
第七步：用两种比例检查结果
在正常观看尺寸下，确认目标人物是否正确变化、群体画面是否仍然自然。
在 100% 缩放下检查：
- 眼睛与眼镜；
- 发际线和耳朵；
- 下颌与附近人物的重叠；
- 混合灯光下的肤色；
- 牙齿与张开的嘴；
- 原本不需要变换的人脸是否发生异常。
不能只因为目标脸看起来可以就直接发布，背景人物可能出现更严重的伪影。
人脸大小不同，质量也会不同
假设照片中有三个人：
- A 靠近相机，下巴到额头约 400 像素；
- B 距离更远，脸部约 160 像素；
- C 是模糊的背景人物，脸部只有约 60 像素。
即使三张脸都被识别，模型获得的信息也不相等。A 可能融合自然，B 可能偏软，C 则可能变成扭曲色块。
这不是统一“提高质量设置”就能解决的问题，而是源图片内部的信息量不同。提高输出分辨率不会让 C 的原始五官变得更详细。
如果每个人都重要，应选择脸部大小与焦点状态更接近的照片。
重叠比普通遮挡更难
眼镜遮住一部分脸，但仍属于同一个人。多人照片中，另一人的头发、手、肩膀或脸可能跨过目标边界，模型必须判断像素属于谁。
常见错误包括：
- 目标下颌与邻近脸颊融合；
- 他人的头发穿过变换后的额头；
- 重叠处出现重复眼睛或嘴形；
- 手部周围出现肤色接缝；
- 参考身份部分出现在错误的人脸上。
严重重叠无法仅靠裁剪修复。目标脸被他人明显挡住时，应换一个拍摄瞬间。
换错人脸时怎么办？
不要立即用相同文件再次提交。重复生成可能略有变化，但不会消除输入歧义。
按以下顺序处理：
- 裁掉其他所有可见人脸。
- 保留完整目标头部和少量周围环境。
- 确认目标脸是裁剪图中最大、最清楚的脸。
- 通过裁剪移除截图边框和无关倒影，不要在五官上涂抹。
- 尝试角度更接近的参考图。
- 只生成一次并比较差异。
如果场景必须包含目标周围的其他未变换人物，请使用前述两阶段工作流。
上传前多人照片检查表
- 我能明确说出要变换哪个或哪些人。
- 我有权或有其他合法依据使用照片及其中人物形象。
- 目标脸没有严重遮挡或出框。
- 裁剪已排除无关人脸、屏幕、镜子和海报。
- 目标在 100% 缩放下仍有细节。
- 参考图只包含一张清晰人脸。
- 最终图片不会被当成真实事件证据。
- 在可能产生误解时，我会明确标注为 AI 编辑戏仿内容。
如果第一项都无法明确回答，模型很可能也面临同样歧义。
多人图片更需要考虑隐私与同意
多人照片可能包含从未预期自己的图片会被 AI 服务处理的人。图片公开可见，并不自动代表你获得了所有隐私、公开权、生物识别、著作权或合同许可。
只处理自己有权使用的照片。避免涉及未成年人、私人场所、敏感事件或明确反对的人。公开分享时，应考虑每个可识别人物能否合理理解该内容是玩笑，而不是事实记录。
最终建议
为了获得稳定控制，应把裁剪当作目标选择：
- **只需要一个人：**隔离一个人。
- **需要群体背景：**先测试受控裁剪；确需恢复背景时，使用合法且明确披露的普通编辑流程。
- **需要多张脸：**接受结果差异，并逐一检查每张脸。
最好的多人输入不一定是最宽或像素最高的图片，而是目标脸清楚、光线接近、重叠较少，并且能与其他所有类似人脸的物体明确区分的图片。
裁剪完成后，可打开 faceswap 工具。如果结果出现眼睛、发际线、下颌或肤色异常，请继续查看换脸伪影分区排查指南。
