Penjelas teknologi

Apa itu AI Face Swap? Bagaimana Sumber dan Gambar Sasaran Menjadi Satu Hasil

Penjelasan pertukaran wajah AI: pelajari arti identitas sumber dan adegan target, cara sistem modern mendeteksi, menyelaraskan, dan memadukan wajah, dan mengapa hasilnya gagal.

Editorial FaceSwapAI10 menit membaca

Diperiksa terhadap batas dan harga produksi saat ini.

Hasil pertukaran wajah AI yang dipublikasikan menunjukkan perubahan identitas wajah dalam adegan potret yang dipertahankan
Hasil pertukaran wajah AI yang dipublikasikan menunjukkan perubahan identitas wajah dalam adegan potret yang dipertahankan

Inti pembahasan

  • Pertukaran wajah mentransfer informasi identitas sumber ke adegan target; itu tidak hanya menempelkan satu foto persegi panjang ke foto lainnya.
  • Target biasanya tetap menjadi acuan pose, ekspresi, pencahayaan, pakaian, pembingkaian, dan latar belakang.
  • Deteksi, penyelarasan, transfer identitas, dan pencampuran merupakan tahapan konseptual yang berguna, namun penyedia layanan dapat menerapkannya dengan kelompok model yang berbeda.
  • Pose, oklusi, blur, wajah kecil dan cahaya yang bertentangan menghilangkan atau memperumit informasi yang dibutuhkan sistem, sehingga file yang lebih besar saja tidak dapat menjamin hasil yang lebih baik.

Sumber produk utama

Periksa fakta, harga, dan metode terbaru dari sumber resmi.

1. Jawaban singkatnya: identitas dari satu masukan, adegan dari masukan lainnya

Pertukaran wajah AI adalah tugas pengeditan identitas. Gambar sumber memberikan identitas untuk ditransfer. Gambar atau bingkai target menyediakan pose, ekspresi, pencahayaan, pakaian, pembingkaian, dan latar belakang. Keluaran yang diharapkan menyerupai narasumber dengan tetap mengikuti konteks sasaran tersebut.

Definisi tersebut lebih tepat daripada mengatakan perangkat lunak “meletakkan satu wajah pada foto lain”. Pemotongan dan tempel literal akan membawa sudut sumber, sumber cahaya, dan batas gambar sumber ke target. Sebaliknya, sistem modern harus mewakili identitas, menyesuaikannya dengan geometri target, dan mengintegrasikan wilayah wajah yang diubah dengan piksel yang harus tetap berada di luar target.

Pertukaran wajah juga berbeda dari beberapa pengeditan tetangga. Peragaan ulang wajah mengubah gerakan atau ekspresi sambil berusaha mempertahankan identitas yang sama. Pengeditan atribut dapat mengubah usia, rambut, atau ekspresi tanpa mengimpor orang lain. Pertukaran kepala penuh dapat menggantikan rambut dan bentuk kepala serta bagian dalam wajah. Label produk tidak konsisten, jadi periksalah hasil dan alur kerja sebenarnya daripada berasumsi setiap “pertukaran wajah” mengubah wilayah yang sama.

2. Sumber, sasaran dan hasil mempunyai tugas yang berbeda

Sumber adalah referensi identitas. Pilihlah agar struktur wajah dapat dikenali dan detail yang terlihat di sekitar mata, hidung, mulut, dan rahang. Sasarannya adalah acuan komposisi. Pilih sesuai pose, ekspresi, tubuh, pakaian, latar, dan bingkai yang ingin Anda pertahankan. Membalikkan input tersebut akan menghasilkan pengeditan yang berbeda secara logis meskipun dua file yang sama digunakan.

Rambut adalah ujian batas yang berguna. Dalam pertukaran wajah konvensional, rambut target dan sebagian besar siluet kepala target biasanya tetap ada karena pengeditan terkonsentrasi pada bagian dalam wajah. Beberapa sistem yang lebih baru atau dikonfigurasi secara berbeda dapat memodifikasi wilayah kepala yang lebih besar. Perilaku tersebut bergantung pada model dan produk, sehingga harus diuji, bukan dijanjikan dari nama kategori.

ElemenPeran utamaApa yang harus diperiksa
Sumber gambarReferensi identitasSatu wajah yang jelas dan diperbolehkan dengan fitur yang terlihat dan sudut yang berguna
Gambar atau bingkai targetReferensi pose, ekspresi dan adeganSkala wajah, oklusi, gerakan, cahaya, pakaian, bingkai dan latar belakang
Hasil yang dihasilkanIdentitas yang disesuaikan dalam konteks targetKemiripan identitas, batas wajah, pelestarian target dan kebutuhan pengungkapan

3. Model lima tahap yang berguna tentang cara kerja pertukaran wajah

Sistem yang dipublikasikan menggunakan arsitektur yang berbeda, termasuk geometri 3D, jaringan encoder-decoder, model adversarial, dan model difusi. Langkah-langkah internal mereka tidak dapat dipertukarkan. Oleh karena itu, uraian lima tahap berikut ini merupakan peta konseptual untuk memahami masukan dan kegagalan, bukan klaim bahwa setiap layanan komersial menggunakan satu jalur pipa yang identik.

Pertama, sistem menemukan wilayah wajah yang relevan di sumber dan target. Kedua, memperkirakan bagaimana fitur wajah dan kepala target disusun sehingga identitas dapat disesuaikan dengan tampilan target. Ketiga, mengekstraksi atau mengkondisikan informasi identitas sumber. Keempat, proses generator atau transformasi menciptakan wajah yang berubah sambil mencoba mempertahankan atribut target. Kelima, output dipadukan atau disusun dengan target dan diperiksa batas-batasnya yang koheren.

Pemrosesan video dan GIF mengulangi masalah di seluruh bingkai. Suatu hasil dapat terlihat benar dalam satu gambar diam tetapi berkedip ketika identitas, skala atau batasan berubah dari satu bingkai ke bingkai lainnya. Oleh karena itu, konsistensi temporal merupakan persyaratan tambahan, bukan sekadar tugas foto yang lebih besar.

  • Mendeteksi wilayah wajah sumber dan target.
  • Perkirakan geometri target, pose, dan fitur yang terlihat.
  • Mewakili atau mengkondisikan identitas sumber.
  • Menghasilkan wajah yang berubah identitas yang mengikuti konteks target.
  • Integrasikan kawasan dan evaluasi identitas, batas, dan kesinambungan.

4. Apa yang masih belum mencapai target, dan apa yang masih mungkin berubah

Tujuan desain yang dijelaskan dalam penelitian pertukaran wajah adalah keseimbangan: melestarikan identitas sumber sambil mempertahankan pose, ekspresi, pencahayaan, dan latar belakang target. Tujuan-tujuan tersebut dapat menimbulkan konflik. Transfer identitas yang lebih kuat dapat mengubah bentuk atau ekspresi wajah target; pelestarian target yang lebih kuat dapat membuat hasilnya terlihat terlalu mirip dengan target aslinya. Satu skor “kualitas” dapat menyembunyikan trade-off tersebut.

Evaluasi keluaran secara berlapis. Identitas menanyakan apakah wajah yang diubah menyerupai sumbernya. Pelestarian atribut menanyakan apakah tatapan, ekspresi, dan pose target masih masuk akal. Integrasi menanyakan apakah kulit, tepian, dan oklusi yang terlihat sesuai dengan pemandangan target. Pelestarian konteks menanyakan apakah konten non-wajah tetap stabil. Untuk animasi, kontinuitas menambahkan persyaratan bahwa penilaian tersebut tetap stabil di seluruh frame yang berdekatan.

Jangan menyimpulkan bahwa pertukaran wajah membuktikan peristiwa, dukungan, atau hubungan nyata. Outputnya adalah media yang diedit. Bahkan hasil yang secara teknis bersih pun masih memerlukan konteks atau pengungkapan ketika pemirsa yang berwawasan luas dapat salah mengira hasil tersebut sebagai foto atau rekaman asli.

Tinjau lapisanPertanyaan untuk ditanyakanMasalah umum yang terlihat
IdentitasApakah wajahnya mirip dengan narasumber?Kemiripan yang lemah atau identitas sumber dan target tercampur
Atribut sasaranApakah pose, pandangan, dan ekspresi koheren?Ekspresi membeku, pandangan berubah atau sudut tidak cocok
IntegrasiApakah cahaya, kulit, dan batas sesuai dengan pemandangannya?Halo, perubahan warna, garis rahang bergerak, atau patah oklusi
KontinuitasApakah hasilnya tetap stabil seiring berjalannya waktu?Berkedip, penyimpangan identitas, atau pergerakan tepi antar bingkai

5. Mengapa pertukaran wajah gagal meskipun kedua file diunggah

Pengunggahan yang berhasil hanya membuktikan bahwa file lolos validasi format dan ukuran. Hal ini tidak membuktikan bahwa sistem memiliki informasi wajah yang cukup. Wajah mungil secara teknis dapat memiliki resolusi tinggi karena sebagian besar piksel berada di latar belakang. Wajah yang buram dapat berisi banyak piksel namun hanya sedikit detail tepi yang dapat dipulihkan. Profil dapat menyembunyikan fitur yang terlihat di sumber yang menghadap ke depan.

Pose dan oklusi adalah masalah struktural. Ketika target berbelok tajam atau ada tangan yang melintasi mulut, sistem harus mempertahankan kondisi target yang bertentangan atau menyembunyikan identitas pembawa wilayah. Ketidakcocokan pencahayaan menimbulkan konflik lain: detail identitas sumber diamati dalam satu pencahayaan, sedangkan hasilnya harus terlihat asli di bawah cahaya target.

Perbaiki satu variabel dalam satu waktu. Gunakan sumber yang lebih jelas untuk identitas yang lemah, kecocokan sudut yang lebih dekat untuk geometri yang terdistorsi, target yang tidak terlalu terhalang untuk batas yang rusak, dan klip representatif yang lebih pendek untuk ketidakstabilan animasi. Mengulangi pasangan lemah yang sama pada ukuran file yang lebih besar tidak menciptakan kembali detail yang kabur, terkompresi, atau sudut yang buruk dihilangkan.

  • Tidak ada wajah yang terdeteksi: pulihkan file asli, potong lebih dekat, atau pilih wajah yang lebih terlihat.
  • Identitas lemah: meningkatkan kejelasan sumber dan mencocokkan sudut target yang dominan.
  • Batas tidak wajar: mengurangi oklusi dan perbedaan sudut atau pencahayaan yang besar.
  • Video atau kedipan GIF: uji target yang lebih pendek dengan skala wajah dan visibilitas yang lebih stabil.

6. Pertukaran foto, grup, video, dan GIF menambah batasan yang berbeda

Satu foto memiliki satu status target yang harus diselesaikan. Foto grup memiliki beberapa wajah target dengan skala, sudut, dan pencahayaan berbeda di dalam satu bingkai. Studio multi-wajah FaceSwapAI memiliki tiga pemetaan: mode berpasangan memetakan tepat dua identitas yang terdeteksi, mode wajah yang sama menerapkan satu identitas yang diunggah ke sebanyak 10 target, dan mode wajah berbeda menerima potret pengganti terpisah untuk masing-masing 1–10 target yang dipilih.

Video menambahkan waktu, gerakan, pemotongan, dan penanganan audio. GIF menambahkan batasan jumlah frame serta durasi karena animasi pendek masih dapat memuat banyak frame. Ini adalah kontrak produksi yang berbeda, jadi alat yang berkinerja baik pada satu potret tidak secara otomatis dianggap terbukti untuk klip panjang atau grup yang ramai.

FaceSwapAI: satu gambar berharga 6 kredit; pertukaran banyak wajah berharga 6 kredit per wajah target yang dipilih; video dan GIF berharga 3 kredit per detik input yang diukur server dan dibulatkan ke atas, minimum 9 kredit.

Alur KerjaBatasan tambahanBatas FaceSwapAI saat ini
FotoSatu pasangan sumber-target6 kredit untuk pembangkitan berbayar; dua gambar masing-masing hingga 30 MB
Banyak wajahDeteksi, pemilihan, dan sumber opsional per target6 × wajah target yang dipilih
VideoGerakan dan kontinuitas frame-to-frameFaceSwapAI menerima video input hingga 600 detik dan 100 MB. 100 MB setara dengan sekitar 1–2 menit video 1080p biasa dari ponsel, jadi kompres atau potong klip yang lebih panjang. max(9, 3 × ceil(serverMeasuredInputSeconds))
GIFKontinuitas loop, durasi dan jumlah frameInput GIF dibatasi hingga 30 detik dan 30 MB. max(9, 3 × ceil(serverMeasuredInputSeconds))

7. Apa yang dapat didokumentasikan FaceSwapAI, dan apa yang tetap bergantung pada penyedia

FaceSwapAI mendokumentasikan kontrak produksi yang dapat diverifikasi: peran masukan, format, batas file, rumus kredit, pemeriksaan akun, status tugas, perilaku pengembalian dana, dan batas retensi. Arsitektur kepemilikan lengkap dari penyedia generasi hulu tidak dipublikasikan dalam produk ini, sehingga panduan ini tidak memberi label penyedia tersebut sebagai GAN, difusi, atau jalur pipa penting tertentu tanpa bukti.

Pembuatan memerlukan login, kredit yang cukup, dan konfirmasi persetujuan; verifikasi email tidak diperlukan. FaceSwapAI tidak menawarkan uji coba gratis maupun bertanda air: setiap tugas dibayar dengan kredit dari paket satu kali, dan setiap hasil diberikan tanpa tanda air dan tanpa email akun.

Unggahan tugas dan file tugas yang dihasilkan dijadwalkan untuk dihapus setelah 24 jam dan dapat dihapus lebih awal; kebijakan penyedia hulu juga berlaku. Hasil, waktu, dan kualitas visual bervariasi menurut masukan, kondisi antrean, dan ketersediaan penyedia. Setiap hasil berbayar berkualitas HD. FaceSwapAI tidak menjanjikan keluaran instan, 4K, atau terjamin.

8. Persetujuan dan pengungkapan adalah bagian dari alur kerja

Gunakan hanya media yang Anda miliki atau izinkan untuk mengeditnya, dan dapatkan persetujuan dari setiap orang yang dapat diidentifikasi yang wajahnya digunakan. Kotak centang produk mencatat konfirmasi pengguna; itu tidak membuat izin atas nama orang lain. Simpan catatan izin yang mendasarinya ketika pekerjaan tersebut ditujukan untuk klien, kampanye, atau tim.

Mengungkapkan media sintetik atau media yang telah diubah kapan pun pemirsa dapat salah mengira media tersebut sebagai peristiwa, pertunjukan, pernyataan, atau dukungan nyata. Jangan gunakan pertukaran wajah untuk gambar intim tanpa persetujuan, peniruan identitas yang menipu, pelecehan, aktivitas ilegal, atau konten yang melibatkan anak di bawah umur. Jika hasil yang dipublikasikan menyebabkan kerugian atau melanggar hak, gunakan proses penghapusan dan penyalahgunaan yang terdokumentasi daripada memperlakukan realisme teknis sebagai satu-satunya kriteria kualitas.

Sumber riset utama

Riset ini mendukung konsep umum, bukan arsitektur proprietary.

  1. Pertukaran Wajah yang Realistis dan Efisien: Pendekatan Terpadu dengan Model DifusiKonferensi Musim Dingin IEEE/CVF tentang Penerapan Computer Vision · 2025
  2. FaceDancer: Pertukaran Wajah dengan Kesetiaan Tinggi yang Sadar Pose dan OklusiKonferensi Musim Dingin IEEE/CVF tentang Penerapan Computer Vision · 2023
  3. X2Face: Jaringan untuk Mengontrol Pembuatan Wajah Menggunakan Gambar, Audio, dan Kode PoseKonferensi Eropa tentang Visi Komputer · 2018

Siap menerapkan daftar pada media yang diizinkan?

Pertanyaan yang dijawab panduan ini

Apa perbedaan antara gambar sumber dan gambar target?

Sumber memberikan identitas untuk ditransfer. Target menyediakan pose, ekspresi, pakaian, pembingkaian, pencahayaan, dan pemandangan sekitar untuk dilestarikan.

Apakah pertukaran wajah menggantikan rambut dan seluruh kepala?

Pertukaran wajah konvensional biasanya berkonsentrasi pada bagian dalam wajah dan mempertahankan rambut target, namun wilayah yang diedit secara tepat bergantung pada model dan produk. Uji keluaran sebenarnya daripada berasumsi bahwa setiap alat berperilaku sama.

Mengapa sudut kepala penting untuk pertukaran wajah AI?

Perbedaan sudut yang besar menyembunyikan atau mengatur ulang fitur wajah, membuat transfer identitas dan geometri target lebih sulit untuk diselaraskan.

Apakah pertukaran wajah AI sama dengan deepfake?

Pertukaran wajah adalah salah satu bentuk pengeditan identitas sintetis yang termasuk dalam kategori deepfake yang luas, namun deepfake juga mencakup pemeragaan ulang, sinkronisasi bibir, kloning suara, dan media yang dihasilkan sepenuhnya.

Apakah FaceSwapAI mempublikasikan model generasi persis yang digunakannya?

Tidak ada arsitektur upstream kepemilikan lengkap yang dipublikasikan dalam produk. FaceSwapAI mendokumentasikan perilaku produksi yang dapat diamati dan tidak mengklaim rangkaian model yang tidak didukung.

Bisakah pemeriksaan kesiapan menjamin pertukaran wajah yang baik?

Tidak. Ini dapat menimbulkan risiko masukan yang umum, namun pose, oklusi, gerakan, perilaku penyedia layanan, dan transfer identitas masih mempengaruhi hasilnya.