本機 AI 換臉工具 MagicMirror 實測，照片不出電腦就能換臉

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

想在電腦上玩 AI 換臉，多數人會遇到兩種方案：一種要架環境、裝顯示卡驅動，門檻在工程能力；另一種是網頁服務，照片上傳別人伺服器，門檻在你的隱私底線。開源工具 MagicMirror 走第三條路：把整條換臉流水線裝進你的電腦，拖兩張照片進視窗就完成，宣稱完全離線、不用獨立顯示卡。

實測與讀碼之後，我的結論是：它的隱私宣稱在程式碼層面成立，普通 CPU 的速度也夠用，但入場要過三道系統關卡，而且專案已經停更約十五個月。把它當個人娛樂工具裝來玩，值得；要拿去做正經專案，先看完整篇再決定。

MagicMirror 是北京開發者 Del Wang（GitHub 帳號 idootop）的作品，MIT 授權，提供 Windows 與 macOS 版，GitHub 上累積約 2,900 顆星。安裝包只有 5 到 10MB，但別被這個數字騙了，真正的引擎接近 800MB，第一次啟動才會下載，後面會解釋。

Pin

「照片不上傳」經得起檢驗，但有一個區網但書

打開它的原始碼，隱私宣稱不是行銷文案。這個 App 分成兩半：Tauri 做的外殼介面，和一個 Python 引擎伺服器。介面所有請求都指向本機的 localhost:8023，整個儲存庫掃不到任何分析或追蹤元件，Sentry、PostHog 這類常見的遙測函式庫一個都沒有。

對外連線只出現在一個地方：第一次啟動時，從 GitHub Releases 下載引擎包。程式碼裡不存在任何其他對外連線，引擎裝好之後不需要網路。這對「拿自己或朋友照片來玩」的場景很實際，照片從頭到尾沒有離開你的硬碟，輸出檔也直接存在原圖旁邊。

不過有一個但書值得知道。引擎伺服器綁的位置對整個區域網路開放（0.0.0.0:8023），而非只限本機使用的 127.0.0.1，而且開了跨來源資源共用、沒有任何鑑別。意思是：App 運行期間，同一個區域網路裡的其他設備，理論上也能呼叫這個換臉端點。它在家的 Wi-Fi 裡風險很低，端點也只有換臉功能，但如果你習慣帶筆電泡咖啡店，用的時候留個心。

實測：普通 CPU 一秒多換一張臉

換臉本身是四個開源模型接力：SCRFD 找出臉的位置，ArcFace 算出臉的特徵，inswapper 128 把新臉生成上去，GFPGAN 1.4 負責把畫質補回來。四個模型全部從開發者自己的 GitHub Releases 下載，附帶 SHA-256 雜湊值驗證。

我在 Mac 上用同一套引擎實測（開發者抽出的 Python 套件 TinyFace，模型檔與 App 內建的完全同一批，App 直接打包在引擎包裡，套件版則從開發者的 TinyFace 儲存庫下載同一批檔案）：四個模型下載並載入後，偵測一張 960 像素肖像照的臉花 0.19 秒，換臉加畫質增強共 1.59 秒，全程 CPU 推論，沒用到 GPU。第二次啟動時模型從快取載入只要 0.57 秒，也就是說漫長等待只發生在第一次。輸出與輸入的像素差集中在臉部區域，場景、衣服、背景基本原樣保留，換臉確實發生了。

「不用 GPU 也能跑」這句宣稱成立，而且有官方立場背書：常見問題集明寫目前只有 CPU 推論，不提供硬體加速選項。這代表兩件事：入門機器跑得動；反過來說，你有高階顯示卡它也用不上，追求速度的人要往下看替代方案。

操作流程比想像更簡單：先拖一張自己的正面照，再拖任何一張目標照片，幾秒後結果就出爐。想試新髮型，就拖那個髮型的照片進去；想看某套穿搭上身的樣子，拖穿搭照。它沒有內建範本圖庫，任何照片都是素材，這也是它體積能壓下來的原因之一。

兩張照片的分工值得說清楚，這決定你怎麼挑素材。目標照片提供場景：姿勢、光線、髮型、衣服、背景全部保留，只有臉被換掉。你的照片只提供臉：引擎從裡面抽出臉部特徵，貼到目標照片原本的臉的位置上。所以目標照片的臉越小、越側、越被遮住，效果就越勉強；官方文件也提醒，冷門格式、檔名含特殊字元、解析度過大都可能讓換臉直接失敗。成品不會另開資料夾，直接存在輸入照片旁邊，檔名加上 output 後綴。

還有一個從版本紀錄看出來的細節：引擎包其實在 2024 年 12 月出過 v2.0.0，修正了 macOS 的架構處理問題、補上 macOS 13 與 Windows 10 的支援說明，但 App 內建的下載網址從未更新，至今抓的仍是 v1.0.0。也就是說，部分使用者拿到的其實是已知問題未修正的舊引擎，這是「專案進入冰凍期」最直接的證據之一。

Pin

安裝那關，比換臉本身難

換臉快，裝起來慢，這是官方文件自己都承認的現實。三道關卡：

Windows：防毒軟體會把引擎刪掉。 引擎是用 Nuitka 編譯的 Python 程式，這種編譯方式跟很多惡意軟體相同，所以 Windows Defender 常把它誤標成病毒並刪除。官方教學附了截圖，教你去保護歷史記錄裡把被刪的 server.exe 還原。同一關還有個前置條件：得先裝微軟 VC++ 執行期元件，否則引擎起不來。

macOS：App 沒有簽章。 開發者在文件裡直說，他沒有購買一年 99 美元的蘋果開發者帳號，所以第一次打開會跳「MagicMirror 已損壞」的警告，要靠右鍵開啟之類的方式繞過，macOS 15 之後繞過步驟更囉嗦。Apple Silicon 機器第一次啟動還要經過轉譯，官方說 3 到 5 分鐘屬正常。

關卡之外還有幾筆舊案，安裝前可以當參考：有 Windows 10 企業版 LTSC 使用者反映引擎起不來，有 Mac 使用者被「App 損毀」的警告卡住，兩筆回報至今仍開著沒有真正修復。開發者當年有現身回覆、提供繞過方法，問題本身則從未解決。初始化畫面停超過十分鐘也是官方 FAQ 明載的已知症狀。遇到同樣狀況時翻 issue 比自己瞎試快。

下載管道有地域色彩。 App 內建的下載位址直連 GitHub Releases，台灣網路可以直接用。但官方安裝文件給的連結全部經過 gh-proxy.com 這個中國大陸代理，還準備了中國大陸讀者慣用的雲端硬碟鏡像，為的是繞過當地連不上 GitHub 的問題。無論走哪條路，認明 GitHub 專案頁是正貨來源。

還有一件必須誠實交代的事：2026 年 6 月有人在使用者回報區留了一句「server zip 裡有木馬」，這是單一、未經任何分析驗證的指控，專案無人回應，目前也沒有第二個案例或安全報告佐證。它與官方自認的 Nuitka 誤報模式長得像，但不能畫上等號。保守的做法是只從 GitHub Releases 官方資產下載，下載後自己再掃一次。

「不到 10MB」的真相：兩段式體積

安裝包確實小，Windows 版 4.9MB、Mac 通用版 10.1MB。原因是它用 Tauri 框架，直接呼叫系統內建的瀏覽器元件，不用像 Electron 那樣把整個瀏覽器打包進 App，官方 FAQ 對這段的解釋相當誠實。

但安裝包不等於軟體本體。第一次啟動時，App 會再下載一個 773 到 796MB 的引擎包（依系統而定），裡面裝了前述四個模型和編譯好的引擎，解壓後放在你家目錄的 MagicMirror 資料夾。所以實際的安裝體驗是「裝一個 5MB 的殼，然後等一個 800MB 的下載」。初次設定前先確認硬碟空間和網路，下載中斷的話官方也給了手動下載解壓的補救步驟。

這個設計對隱私是加分的：模型和引擎都在本機，換臉過程不需要任何雲端服務。代價是你的第一次啟動體驗取決於 GitHub 的下載速度。

一鍵派與工作台派：從 FaceFusion 拆出來的三條路

開發者在 FAQ 裡把自己的血統講得很白：MagicMirror 可以視為 FaceFusion 的精簡版。FaceFusion 是業界知名的開源換臉工作台，功能全面但設定繁複；作者把 FaceFusion 砍到只剩換臉核心，做成 Python 套件 TinyFace，再包上圖形介面，就是 MagicMirror。

對讀者的分流其實很清楚。要「一鍵、本機、隱私」的輕量體驗，MagicMirror 是目前門檻最低的選項之一；要 GPU 加速、批次處理、多臉編輯這類工作台級控制，去用 FaceFusion，我們先前寫過完整介紹。中間還有一條路：TinyFace 本身有命令列介面，會一點 Python 的人可以跳過圖形介面直接用它，兩個指令就能跑一次換臉：

pip install tinyface
tinyface swap -i 目標照片.jpg -r 目標照片.jpg -d 自己的照片.jpg

參數的分工是：-i 放被換臉的目標照片，-r 指定要換掉畫面裡的哪張臉（通常就是同一張照片），-d 才是提供新臉的照片。這條路線換到的是彈性：可以寫進腳本批次處理，也可以換掉模型路徑做實驗。代價是命令列的門檻，以及一切出錯都要自己讀原始碼。

站上介紹過的臉部處理工具還有好幾款，恰好湊成一條處理鏈：怕被辨識可以先用 Deface 把影片裡的人臉打模糊，想把照片玩出新花樣可以試 EmojiMyFace 把臉換成表情貼圖，或用 Nero 讓照片裡的臉動起來。這類工具的共同前提都一樣：拿自己或取得同意的照片來玩。

授權與用途邊界，玩之前看一眼

三層授權事實疊在一起，值得拆開講。最寬鬆的一層是程式碼本身：MIT 授權，幾乎你想得到的用法都允許。再往上一層就開始收緊：README 的免責聲明用英文明寫僅供個人娛樂與創作用途、禁止商業使用，這個立場與 MIT 條款之間存在張力，嚴格的商業授權結論要問法律專業。最緊的一層在模型：換臉核心 inswapper 128 出自 InsightFace 生態，作者自己也說它是整個應用的核心，而這類模型的授權長期偏向非商業研究用途。三層疊起來的實際建議：自己玩、朋友間分享，沒問題；想商用，先停下來釐清。

用途邊界也寫在免責聲明裡：不得用於帶惡意的冒充、散布不實資訊、侵犯隱私或製作不當內容。這不是官腔，近幾年各國對深偽（deepfake，用 AI 合成以假亂真的影像）的管制都在收緊，台灣也不例外，涉及真實他人的換臉內容散布出去，法律風險由使用者自己承擔。拿自己的照片試髮型穿搭，是這個工具最安全的用法，也正是它被設計出來的初衷。

把停更十五個月算進去，再決定裝不裝

適合的人：想拿自己照片試髮型、穿搭、玩創作，又不想把照片交給雲端服務的一般使用者。電腦不用好，CPU 就夠；作業系統要 Windows 10 或 macOS 13 以上。

不適合的人：需要商業授權確定性的團隊；需要 GPU 加速或批次處理的重度使用者，你們該去 FaceFusion；以及無法接受「防毒誤報要自己還原檔案」這種摩擦的人。

最後是時間線現實：主分支最後一次更新停在 2025 年 7 月，而且只是文件修改；App 至今只有 v1.0.0 一個版本（2024 年 11 月發布）；2026 年的三件使用者回報，包括那件木馬指控，全部無人回應。好消息是它依賴的模型和下載管線目前都活著，安裝包累計下載約 3.2 萬次、引擎包合計約 7.8 萬次，裝來用沒問題。壞消息是遇到問題沒有維護者會修，把它當一個「現狀可用、未來自負」的工具看待，期待會比較準確。

回頭看整個專案的節奏也印證了這一點：2024 年 11 月 11 日建立儲存庫，從 Python 命令列換臉、跨平台引擎構建、介面設計到 v1.0.0 發布只花兩週，是一位開發者的衝刺型作品。衝刺結束後就轉往別的專案了，留下的東西完整、能用、開源，只是不再長大。