视频换脸：两步把自己的脸放进片段——实测、提示词和限制

视频换脸以前是逐帧替换：程序在每一帧里找到脸，再贴上一张新的。2026 年的视频模型给了第二条路——把同一段视频重新生成，但换成另一个人。我们自己测了这条路：一段江边步道上的女孩视频、一张“用户”自拍，两次生成。所有画面和视频都在 AI2Face 生成器里完成，其中的人都是虚构的。

视频换脸是怎么做的

有两种完全不同的做法，选哪一种，决定你得到什么。

	逐帧替换	生成式换脸
怎么做	在每一帧里找到脸并贴上新的	视频模型用新人把片段重新生成
动作	和原片完全一致	按描述和第一帧来重现
改什么	只改脸，发型还是原来那个人的	脸、头发，想改的话还有衣服和背景
声音	留着原片的	重新生成
弱在哪	转头和光线不同时像“面具”	动作会有细小出入

如果要整个人看起来自然，生成式换脸更合适：头发可以不同，光线跟场景走，脸的边缘没有“面具”。原片每一秒都要紧时才用逐帧，比如一段有台词的长视频。

怎样给视频换脸：分步做

第一步. 从片段里取一帧

取人物看得清楚的第一帧：脸没被挡住，没有运动模糊，朝向镜头。任何播放器暂停后的截图都可以。如果开头脸是挡住的，把原片裁到从一帧好画面开始。

第二步. 在这一帧里换人

把这一帧和你的照片上传到 Nano Banana Pro，写清谁换成谁、什么必须保持不动。关键是一长串要保留的东西：姿势、衣服、手、物品、背景、角度和光线。

Face swap. In the first image (a video frame of a blonde woman on a city
embankment), replace the woman with the woman from the second image: her exact
face, short curly copper-red hair, freckles, green eyes. Keep everything else from
the first image identical: pose, black turtleneck, black trousers, paper coffee
cup, hands, the embankment, the river, trees, camera angle, framing and warm
late-afternoon light. Photorealistic, no text.

在我们的测试里，Nano Banana Pro 一次就换好了人：脸和卷发来自自拍，姿势、咖啡杯，连高领上的褶皱都来自那一帧。照片上的做法见 AI换脸。

第三步. 用视频模型把这一帧做成视频

把新的一帧设为 Gemini Omni 的第一帧，按原片写同样的动作：人往哪走、手在做什么、镜头怎么动。提示词末尾再重复一次脸部特征，模型在转头时才抓得住。

Vertical smartphone video: the woman walks toward the camera along the sunny
embankment, laughs, raises the paper coffee cup to the camera and spins around
once, her curly red hair bouncing. Handheld camera walks backward in front of
her, medium shot, golden late-afternoon light. Keep her face, curly copper-red
hair, freckles and black turtleneck exactly as in the image. Sound: street
ambience and her laugh. No text.

结果把原片的动作都做了一遍：走向镜头、笑、举起杯子、转身。即使背对镜头、转完身，脸也还认得出来。差别也看得到：她举杯早了半秒，镜头也更近一点。这就是生成式换脸要接受的差别——动作按描述重现，不是一帧一帧抄下来。

能接收视频作为输入的视频模型（Gemini Omni 接受最长 3 秒的视频参考），可以把原片和这一帧一起附上，模型会从原片里取动作的样子。

没有原片，怎样把自己放进视频

如果没有现成片段，就不需要原片：把你的照片当参考，把整场戏写出来。视频模型会把你放进画面、换衣服，并给出动作。

“我在巴黎”“我在舞台上”这类片子，或者给 AI 博主 做的一组视频，都是这么来的。在我们的测试里，脸上的雀斑都还在，风衣和街道是模型按描述想出来的。照片做成视频的更多做法，见 照片变视频。

怎样选原片和脸部照片

原片：

• 短片段：Gemini Omni 一次生成最长 10 秒，长视频由几段拼起来；
• 一个清楚的动作：走、转身、笑——不要打架、托举和快速挥手；
• 脸在大部分时间里露着，不要半张脸的墨镜，也不要手和杯子挡在前面；
• 镜头平稳：抖动和猛推镜头会让换人和做成视频都变差。

脸部照片：

• 正面或微微侧过，眼睛看得见；
• 白天的均匀光，没有硬阴影；
• 不要滤镜和美颜——模型会把它们一起带过去；
• 发型按视频里该有的来：头发是模型和脸一起从照片上取的。

照片的光线和角度越接近视频那一帧，结果越自然：窗边的自拍很好地融进了傍晚柔光的那一帧。

为什么脸会在帧与帧之间变，怎样改

看到什么	原因	怎么做
转头之后脸“飘了”	模型没见过这个人的侧脸	在视频提示词里重复特征，用一张略微侧过的照片
发型变了	提示词里没写头发	写上颜色、长度和形状：“short curly copper-red hair”
衣服变了	这一帧和提示词里的衣服不一样	在视频提示词里写出这一帧的衣服
动作和原片不一样	动作写得太笼统	把动作拆成步骤：“走、笑、举起杯子、转身”
脸像，但“不是那个人”	脸部照片太小或带滤镜	换一张更大的、没有修过的照片

如果一次生成没做好，只改提示词里的一件事再跑：这样才看得出到底是哪一处起了作用。

限制

• 动作不是逐帧的。 生成式换脸按意思重复动作。每一小段时间都要紧的片子——嘴型和你的话对上、动作要分毫不差——最好重拍。
• 声音是重新生成的。 原片的声音和噪声不会进到结果里，视频模型会做自己的音轨。如果动作在时间上对得上，后期可以把原声叠回去。
• 长度。 Gemini Omni 一次生成最长 10 秒。长片子由几段拼成，每一段有自己的第一帧。
• 好几个人。 事先在这一帧里把每个人换掉，并在提示词里按特征写清：“the red-haired woman”、“the bearded man”。
• 公众人物。 Google 不允许把能认出的公众人物图像上传到 Gemini Omni，这类生成会被拒绝。
• 标记。 Gemini Omni 的视频和 Nano Banana Pro 的图片带有看不见的 SynthID 水印，例如可以在 Gemini 应用里查。

给视频换脸合法吗

自己的脸可以放进任何片子。别人的脸必须经过本人同意：根据俄罗斯《民法典》第152.1条，公布和使用一个人的肖像只在本人同意时才允许。常见例外是国家和公共利益、在公共场所拍摄且这个人不是主要对象，以及付费摆拍。你所在国家的规则可能不同，发布前先核对。

实际规则：

• 把朋友和亲人的脸放进片子并发布之前，先征得同意；
• 不要做真人“说了”或“做了”其实没有的事：除了肖像权，还可能触及名誉；
• 如果观众可能把片子当成真拍的，就标明它是 AI 做的。

总结

用一帧来做视频换脸，是短片子最省事的办法：两次生成，人从头发到场景光线都看起来自然。适合社交短片、AI 博主、祝福，以及“我就在这段视频里”。如果要一帧不差地重复原片的每个动作，或者留下原声，生成式换脸就不如逐帧替换。如果根本没有原片，直接用照片参考做视频。换人和做成视频都在 AI2Face 这一个生成器里完成。每次生成的费用在开始前显示，可以用银行卡或加密货币支付，套餐积分不会过期。