安装前需要了解的背景
FaceFusion 是一款面向本地运行的人像面部融合工具，广泛应用于视频创作、角色试验、素材预览及 AI 影像流程测试。相比在线工具，本地部署的最大优势在于素材无需上传至第三方平台，所有参数均可自主控制，特别适合对隐私保护和批量处理有较高要求的用户。不过，该工具对运行环境较为敏感，尤其是 macOS 设备同时存在 Apple Silicon 与 Intel 两种架构，其安装路径、依赖包管理及性能表现均有明显差异。
在正式开始前，建议先确认三个关键信息：第一，查看电脑芯片类型，点击左上角苹果标志进入“关于本机”，若显示 M1、M2、M3 等字样则为 Apple Silicon 机型，显示 Intel Core 则属于 Intel 架构；第二，系统版本建议为 macOS 12 或更高版本，过旧的系统可能引发 Python、编译工具或图形库兼容性问题；第三，磁盘至少预留 15GB 可用空间，因为依赖包、模型文件及测试素材会持续占用存储容量。
准备基础工具
FaceFusion 通常需要 Git、Python、pip、虚拟环境以及若干图像处理依赖库。在 macOS 上，最便捷的方式是使用 Homebrew 管理整个工具链。如果尚未安装 Homebrew，可以打开“终端”并执行官方安装命令：
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
安装完成后，根据终端提示将 brew 加入环境变量。Apple Silicon 机型的默认路径通常为 /opt/homebrew，而 Intel 机型则一般为 /usr/local。如果在终端输入 brew -v 能正常显示版本号，说明 Homebrew 已经可以正常使用。
接下来安装基础组件：
brew install git python ffmpeg
其中 Git 用于获取项目代码，Python 负责运行程序，FFmpeg 则用于处理视频输入与输出。安装完成后，可分别执行 git --version、python3 --version、ffmpeg -version 来确认各工具是否安装成功。
获取 FaceFusion 项目代码
选择一个便于管理的目录，例如在用户目录下创建一个 AI 专用文件夹：
mkdir -p ~/AIProjects
cd ~/AIProjects
随后获取 FaceFusion 项目：
git clone https://github.com/facefusion/facefusion.git
cd facefusion
如果项目更新较为频繁，建议优先阅读项目根目录中的 README 文件及安装说明，不同版本对 Python 版本的要求可能有所变化。若后续遇到依赖冲突问题，通常并非 macOS 系统本身的故障，而是 Python 版本、依赖包版本与项目版本之间未能对齐所致。
创建独立 Python 环境
不建议直接将依赖安装到系统 Python 中。更稳妥的做法是创建虚拟环境，以便后续升级、回退或删除操作更加灵活。进入项目目录后执行：
python3 -m venv .venv
source .venv/bin/activate
激活虚拟环境后，终端行首通常会出现 (.venv) 标识。接着升级基础安装工具：
python -m pip install --upgrade pip setuptools wheel
如果项目提供了安装脚本，建议优先采用项目推荐的方式；若说明文档要求通过 requirements 文件安装，则执行类似命令：
pip install -r requirements.txt
安装时长取决于网络状况和芯片架构。Apple Silicon 用户若遇到某些依赖包编译速度较慢，请先确认 Homebrew、Python 及终端均运行在原生 arm64 环境下，避免混用 Rosetta 终端与原生依赖，否则容易出现架构不匹配的问题。
Apple Silicon 电脑的配置要点
M 系列芯片的优势在于能效比高，非常适合本地 AI 工具的日常试验，但这并不意味着所有深度学习框架都能自动满速运行。安装时应优先使用 arm64 版本的 Homebrew 和 Python。可以执行 uname -m 查看当前终端架构，若显示 arm64 则说明更适合 M 系列设备。
部分依赖可能会调用 PyTorch 或 ONNX Runtime。如果项目文档提供了 Apple Silicon 专用安装选项，请按照文档选择对应的后端。没有特殊需求时，先完成默认安装并成功跑通示例，比一开始就追求极致性能更加稳妥。在处理长视频时，建议先用低分辨率、短片段进行测试，确认输出正常后再逐步提高参数。
Apple Silicon 用户还需特别关注内存压力。8GB 内存机型可以运行基础任务，但如果同时打开浏览器、大型剪辑软件及多个终端任务，很容易出现卡顿现象。建议关闭无关的应用程序，并将输入素材控制在合理分辨率范围内，例如先用 720p 或 1080p 短片进行测试。
Intel Mac 的配置要点
Intel 机型的安装路径通常更为传统，但不同设备之间的性能差异较大。较新的 Intel i7、i9 设备可以完成基础处理任务，而老款双核设备则可能出现速度较慢、风扇噪音大及温度升高等情况。Intel 用户执行 uname -m 一般会看到 x86_64，Homebrew 默认路径多为 /usr/local。
如果在安装依赖时遇到报错，请优先检查 Python 版本是否符合项目要求，其次检查是否缺少编译工具。可以先执行：
xcode-select --install
该命令会安装命令行开发工具，能够解决部分 C/C++ 扩展包编译失败的问题。对于 Intel 设备，如果处理速度过慢，可以考虑降低输出分辨率、减少同时处理的帧数，或者只截取关键片段进行测试。
启动与首次运行
完成依赖安装后，保持虚拟环境处于激活状态，在项目目录中按照官方说明启动。常见的启动形式类似：
python facefusion.py run
或：
python run.py
实际命令请以当前版本的官方文档为准。首次启动时可能会自动下载模型文件，耗时较长，请勿在下载过程中频繁中断，以免产生不完整的文件。如果启动后出现本地网页地址，通常可以在浏览器中打开对应地址进入操作界面。
首次测试建议准备两类经过授权的素材：一张清晰的正面人脸图片和一段较短的视频。素材命名尽量使用英文、数字和下划线，避免因特殊符号导致路径识别异常。输出目录也建议放在项目文件夹外部，例如 ~/AIProjects/outputs，这样更方便后续清理和备份。
常见问题与处理办法
问题一：提示 command not found。通常是 Homebrew、Python 或 FFmpeg 没有正确加入环境变量。可以先执行 which brew、which python3、which ffmpeg 查看具体路径，再根据终端提示补充 shell 配置。
问题二：pip 安装依赖失败。请先升级 pip，再确认 Python 版本是否与项目要求匹配。如果某个依赖包反复安装失败，可以复制报错信息中的包名，到项目的 issue 页面或官方文档中查找对应的版本建议。不要盲目混装多个 Python 发行版。
问题三：启动成功但处理速度很慢。建议先降低视频分辨率和时长，同时关闭后台高占用程序。AI 视频处理本身计算量较大，速度慢并不一定意味着安装过程有误。
问题四：更新后无法正常运行。项目更新可能会改变依赖关系。稳妥的做法是在更新前记录当前版本，或直接复制一份可用的目录备份。如果已经更新出错，可以重新创建虚拟环境，按照新版本的文档重新安装依赖；必要时也可以通过 Git 切换回旧版本。
升级、回退与卸载建议
升级前请进入项目目录执行 git status，确认没有重要的本地修改。然后再执行 git pull 获取新版本，并根据文档重新安装依赖。如果新版本问题较多，不要急于覆盖当前可用的环境，可以保留旧目录，新建一个 facefusion-new 目录进行测试。
回退时可以通过 Git 查看提交记录，再切换到稳定的旧版本。对于不熟悉 Git 的普通用户，最简单的方式是直接删除新测试目录，继续使用原来可运行的旧目录。卸载则更加直接：删除项目文件夹和虚拟环境即可；如果不再需要 FFmpeg、Git 等工具，再通过 Homebrew 移除对应的组件。
安全边界与实用建议
FaceFusion 适合用于学习 AI 影像处理流程、制作经过授权的创意素材以及内部演示。在使用真人照片或视频之前，务必取得明确的授权同意，尤其不要将他人肖像用于误导性内容、商业宣传或损害他人权益的场景。对外发布 AI 合成影像时，建议添加必要的说明，避免观众对素材来源产生误解。
从工程角度来看，在 macOS 上安装 FaceFusion 的核心并不在于某一条具体的命令，而在于“芯片架构一致、Python 环境独立、依赖版本匹配、素材合规可控”这四个要点。Apple Silicon 用户应重点关注 arm64 环境配置和内存占用情况，Intel 用户则需重点关注编译工具和性能预期。只要按照步骤逐项检查，大多数安装问题都能被准确定位并顺利解决。
