如何快速上手 ComfyUI_FaceAnalysis人脸相似度分析插件新手 3 步完整指南【免费下载链接】ComfyUI_FaceAnalysisExtension for ComfyUI to evaluate the similarity between two faces项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI_FaceAnalysis如果你在用 Stable Diffusion 等工具批量生成人脸多半会想给生成结果和本人到底像不像打个分——ComfyUI_FaceAnalysis 插件就是为这件事设计的它是一个免费开源的 ComfyUI 人脸相似度分析扩展基于 DLib 或 InsightFace 两大成熟模型自动检测画面中的人脸输出可互相比较的数值评分顺带还提供人脸裁剪、姿态对齐、局部分割和换脸融合能力。一、它解决什么问题让像不像变成一个可比较的数字以前判断这张生成图和本人像不像只能靠肉眼而肉眼在光影、角度、分辨率变化下非常不可靠。这个插件的思路是先检测人脸再提取每个人的人脸特征向量embedding两张脸各自得到一个向量向量之间的距离越小就越相似。跑完一次分析你会拿到两样东西输出含义VALUE原始距离按所选度量方式算出的绝对距离数值越小越像DIST归一化距离原始距离除以该库的推荐阈值后压缩到 0~1超过 1 按 1 封顶方便跨批次横向对比如果开启标注默认开启插件还会在图片底部直接画上这两组数字批量出图时扫一眼缩略图就能筛掉不合格的脸。典型使用者是训练 LoRA 后想验证角色一致性的人、想给一整批抽卡结果批量打分的人、以及做人脸局部重绘或换脸前需要先把脸精确定位出来的人。二、三步装好插件并跑通第一次相似度评分第 1 步把插件放进 ComfyUIgit clone https://gitcode.com/gh_mirrors/co/ComfyUI_FaceAnalysis把克隆下来的整个目录移到 ComfyUI 安装目录下的custom_nodes里即可不需要额外配置入口文件。第 2 步安装 Python 依赖pip install dlib insightface onnxruntime color_matcher opencv-python几个说明dlib和insightface至少装好一个两个都没装成功时插件启动会直接报错color_matcher是换脸节点做颜色融合用的opencv-python是人脸分割节点用的装全最省心Windows 用户如果编译 dlib 失败建议找预编译好的 dlib 安装包安装避免折腾 C 编译环境。第 3 步放对模型文件最容易出错的一步模型文件放置位置是否必须shape_predictor_5_face_landmarks.dat插件目录内的dlib/文件夹用 DLib 必须dlib_face_recognition_resnet_model_v1.dat插件目录内的dlib/文件夹用 DLib 必须shape_predictor_68 / shape_predictor_81 landmarks.dat插件目录内的dlib/文件夹可选做关键点/分割才需要InsightFace 模型默认 buffalo_lComfyUI 的models/insightface/目录用 InsightFace 必须AuraFace免费的 InsightFace 替代模型ComfyUI 的models/insightface/models/auraface/可选这些模型文件可按 README.md 里给出的地址下载。放完之后重启 ComfyUI右键菜单里出现 Face Analysis 分类就说明安装成功了。项目自带一份可直接导入的示例工作流 face_analysis.json一张参考图 一张生成图 评分新建画布导入它就能立刻看到效果。插件目录本身也很简单大致职责如下路径作用dlib/存放 DLib 的 .dat 模型文件faceanalysis.py全部 6 个节点的核心逻辑face_analysis.json示例工作流Inconsolata.otf分数标注用的字体三、六个节点怎么用评分、裁剪、对齐、分割与换脸上图就是最基础的一条工作流参考脸走 LoadImage 进评分节点的 reference 口生成图走 image 口跑完后每张图底部自动标出距离。节点名干什么典型用法Face Analysis Models加载分析后端选库insightface / auraface / dlib和计算设备CPU / CUDA 等每个工作流第一个放它输出接给所有分析节点Face Embeds Distance计算参考脸与目标脸的相似度输出分数 带标注的图批量给生成图打分筛选Face Bounding Box检测并裁出人脸区域可按像素或比例外扩边距评分前单独扣脸、或把脸喂给其他放大/修复节点Face Align按双眼连线旋转图像让眼睛水平可再选第二张图做相对对齐比较前先统一姿态减少角度干扰Face Segmentation按关键点生成区域遮罩整脸、五官、单眼、鼻子、嘴等可扩张/收缩和边缘羽化局部重绘脸、做磨皮美白等只作用于脸部的处理Face Warp把 A 图的脸变形贴到 B 图上并自动做颜色迁移融合轻量换脸/面部融合关于评分节点Face Embeds Distance有两个新手容易忽略的点reference 口支持一次传多张图插件会把所有参考图的特征向量取平均比单张参考图更稳image 口也是批量输入一次丢一整批生成图进去输出的 distance 是一一对应的列表方便接着做排序或筛选。四、常用参数怎么调阈值、度量方式与参考图基线技巧参数所在节点默认值影响library / providerFace Analysis Modelsinsightface / CPU选分析后端与计算设备有独显建议选 CUDA速度明显更快similarity_metricFace Embeds DistanceL2_norm距离算法L2_norm / cosine / euclidean 三选一对比前后必须用同一种不同度量之间数值不可比filter_threshFace Embeds Distance100.0距离上限只保留分数 ≤ 它的图。想严格筛选就调小比如按库的推荐阈值来filter_bestFace Embeds Distance0只保留最像的前 N 张0 表示全部保留适合从一批里挑最像的generate_image_overlayFace Embeds Distance开启是否在图上绘制分数标注关掉则输出原图padding / padding_percentFace Bounding Box0裁剪框的外扩量绝对像素 / 按脸宽高的比例调大一点可避免切掉头发和耳朵indexFace Bounding Box-1画面里有多张脸时选哪张-1 表示全部输出grow / blurFace Segmentation0 / 13遮罩扩张像素数负数收缩与边缘羽化强度blur 越小边缘越硬基线技巧作者推荐的工作流先别急着评生成图。把同一位真人的 3 张真实照片作为 reference 批量传入再和该人第 4 张真实照片对比得到的分数就是基线——它代表同一个人在不同照片之间的正常差异。之后评价任何生成图时都拿它的分数和这个基线比结论才站得住。参考图取平均的特性也让这个基线比单图对比更抗姿态和光线干扰。五、新手最常踩的 3 个坑依赖报错、模型路径与检测不到人脸坑 1启动或运行时报 Please install either dlib or insightface说明两个库一个都没装成功。这是硬门槛装好任意一个即可建议两个都装这样 library 下拉框里所有选项才都可用。坑 2模型文件没放对目录DLib 缺少必需文件时会明确提示 The 5 point landmark model is not available 之类的话。最常见的错误是把 .dat 文件丢进了 ComfyUI 的models/目录——DLib 的文件必须放在插件自己的 dlib/ 文件夹里而 InsightFace、AuraFace 的模型才放在 ComfyUI 的 models 目录下。两套路径方向是反的注意别混。坑 3提示 No face detected 或分数全是 100.0100.0 代表没检测到脸而不是完全不像。人脸太小、太暗、遮挡严重时检测会失败。InsightFace 会自动把检测尺寸从 640 逐级降到 256 来救小脸但再小就没辙了。建议参考照片里脸尽量大且正或者先用 Face Bounding Box 把脸裁出来再评角度歪斜厉害的先过一遍 Face Align。另外两个小提醒FaceWarp换脸依赖 color_matcherFace Segmentation 依赖 opencv缺了对应依赖时节点会运行报错作者于 2025 年 4 月将项目转入仅维护模式现有功能稳定可以正常使用只是别期待高频更新。下一步建议先按第二、三节把评分流程跑通用自己的 31 张真实照片测出基线分数再把你正在调的 LoRA 生成图一批批喂进去——基线和生成图的分数差就是你继续调参的量化依据。【免费下载链接】ComfyUI_FaceAnalysisExtension for ComfyUI to evaluate the similarity between two faces项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI_FaceAnalysis创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何快速上手 ComfyUI_FaceAnalysis：人脸相似度分析插件新手 3 步完整指南
如何快速上手 ComfyUI_FaceAnalysis人脸相似度分析插件新手 3 步完整指南【免费下载链接】ComfyUI_FaceAnalysisExtension for ComfyUI to evaluate the similarity between two faces项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI_FaceAnalysis如果你在用 Stable Diffusion 等工具批量生成人脸多半会想给生成结果和本人到底像不像打个分——ComfyUI_FaceAnalysis 插件就是为这件事设计的它是一个免费开源的 ComfyUI 人脸相似度分析扩展基于 DLib 或 InsightFace 两大成熟模型自动检测画面中的人脸输出可互相比较的数值评分顺带还提供人脸裁剪、姿态对齐、局部分割和换脸融合能力。一、它解决什么问题让像不像变成一个可比较的数字以前判断这张生成图和本人像不像只能靠肉眼而肉眼在光影、角度、分辨率变化下非常不可靠。这个插件的思路是先检测人脸再提取每个人的人脸特征向量embedding两张脸各自得到一个向量向量之间的距离越小就越相似。跑完一次分析你会拿到两样东西输出含义VALUE原始距离按所选度量方式算出的绝对距离数值越小越像DIST归一化距离原始距离除以该库的推荐阈值后压缩到 0~1超过 1 按 1 封顶方便跨批次横向对比如果开启标注默认开启插件还会在图片底部直接画上这两组数字批量出图时扫一眼缩略图就能筛掉不合格的脸。典型使用者是训练 LoRA 后想验证角色一致性的人、想给一整批抽卡结果批量打分的人、以及做人脸局部重绘或换脸前需要先把脸精确定位出来的人。二、三步装好插件并跑通第一次相似度评分第 1 步把插件放进 ComfyUIgit clone https://gitcode.com/gh_mirrors/co/ComfyUI_FaceAnalysis把克隆下来的整个目录移到 ComfyUI 安装目录下的custom_nodes里即可不需要额外配置入口文件。第 2 步安装 Python 依赖pip install dlib insightface onnxruntime color_matcher opencv-python几个说明dlib和insightface至少装好一个两个都没装成功时插件启动会直接报错color_matcher是换脸节点做颜色融合用的opencv-python是人脸分割节点用的装全最省心Windows 用户如果编译 dlib 失败建议找预编译好的 dlib 安装包安装避免折腾 C 编译环境。第 3 步放对模型文件最容易出错的一步模型文件放置位置是否必须shape_predictor_5_face_landmarks.dat插件目录内的dlib/文件夹用 DLib 必须dlib_face_recognition_resnet_model_v1.dat插件目录内的dlib/文件夹用 DLib 必须shape_predictor_68 / shape_predictor_81 landmarks.dat插件目录内的dlib/文件夹可选做关键点/分割才需要InsightFace 模型默认 buffalo_lComfyUI 的models/insightface/目录用 InsightFace 必须AuraFace免费的 InsightFace 替代模型ComfyUI 的models/insightface/models/auraface/可选这些模型文件可按 README.md 里给出的地址下载。放完之后重启 ComfyUI右键菜单里出现 Face Analysis 分类就说明安装成功了。项目自带一份可直接导入的示例工作流 face_analysis.json一张参考图 一张生成图 评分新建画布导入它就能立刻看到效果。插件目录本身也很简单大致职责如下路径作用dlib/存放 DLib 的 .dat 模型文件faceanalysis.py全部 6 个节点的核心逻辑face_analysis.json示例工作流Inconsolata.otf分数标注用的字体三、六个节点怎么用评分、裁剪、对齐、分割与换脸上图就是最基础的一条工作流参考脸走 LoadImage 进评分节点的 reference 口生成图走 image 口跑完后每张图底部自动标出距离。节点名干什么典型用法Face Analysis Models加载分析后端选库insightface / auraface / dlib和计算设备CPU / CUDA 等每个工作流第一个放它输出接给所有分析节点Face Embeds Distance计算参考脸与目标脸的相似度输出分数 带标注的图批量给生成图打分筛选Face Bounding Box检测并裁出人脸区域可按像素或比例外扩边距评分前单独扣脸、或把脸喂给其他放大/修复节点Face Align按双眼连线旋转图像让眼睛水平可再选第二张图做相对对齐比较前先统一姿态减少角度干扰Face Segmentation按关键点生成区域遮罩整脸、五官、单眼、鼻子、嘴等可扩张/收缩和边缘羽化局部重绘脸、做磨皮美白等只作用于脸部的处理Face Warp把 A 图的脸变形贴到 B 图上并自动做颜色迁移融合轻量换脸/面部融合关于评分节点Face Embeds Distance有两个新手容易忽略的点reference 口支持一次传多张图插件会把所有参考图的特征向量取平均比单张参考图更稳image 口也是批量输入一次丢一整批生成图进去输出的 distance 是一一对应的列表方便接着做排序或筛选。四、常用参数怎么调阈值、度量方式与参考图基线技巧参数所在节点默认值影响library / providerFace Analysis Modelsinsightface / CPU选分析后端与计算设备有独显建议选 CUDA速度明显更快similarity_metricFace Embeds DistanceL2_norm距离算法L2_norm / cosine / euclidean 三选一对比前后必须用同一种不同度量之间数值不可比filter_threshFace Embeds Distance100.0距离上限只保留分数 ≤ 它的图。想严格筛选就调小比如按库的推荐阈值来filter_bestFace Embeds Distance0只保留最像的前 N 张0 表示全部保留适合从一批里挑最像的generate_image_overlayFace Embeds Distance开启是否在图上绘制分数标注关掉则输出原图padding / padding_percentFace Bounding Box0裁剪框的外扩量绝对像素 / 按脸宽高的比例调大一点可避免切掉头发和耳朵indexFace Bounding Box-1画面里有多张脸时选哪张-1 表示全部输出grow / blurFace Segmentation0 / 13遮罩扩张像素数负数收缩与边缘羽化强度blur 越小边缘越硬基线技巧作者推荐的工作流先别急着评生成图。把同一位真人的 3 张真实照片作为 reference 批量传入再和该人第 4 张真实照片对比得到的分数就是基线——它代表同一个人在不同照片之间的正常差异。之后评价任何生成图时都拿它的分数和这个基线比结论才站得住。参考图取平均的特性也让这个基线比单图对比更抗姿态和光线干扰。五、新手最常踩的 3 个坑依赖报错、模型路径与检测不到人脸坑 1启动或运行时报 Please install either dlib or insightface说明两个库一个都没装成功。这是硬门槛装好任意一个即可建议两个都装这样 library 下拉框里所有选项才都可用。坑 2模型文件没放对目录DLib 缺少必需文件时会明确提示 The 5 point landmark model is not available 之类的话。最常见的错误是把 .dat 文件丢进了 ComfyUI 的models/目录——DLib 的文件必须放在插件自己的 dlib/ 文件夹里而 InsightFace、AuraFace 的模型才放在 ComfyUI 的 models 目录下。两套路径方向是反的注意别混。坑 3提示 No face detected 或分数全是 100.0100.0 代表没检测到脸而不是完全不像。人脸太小、太暗、遮挡严重时检测会失败。InsightFace 会自动把检测尺寸从 640 逐级降到 256 来救小脸但再小就没辙了。建议参考照片里脸尽量大且正或者先用 Face Bounding Box 把脸裁出来再评角度歪斜厉害的先过一遍 Face Align。另外两个小提醒FaceWarp换脸依赖 color_matcherFace Segmentation 依赖 opencv缺了对应依赖时节点会运行报错作者于 2025 年 4 月将项目转入仅维护模式现有功能稳定可以正常使用只是别期待高频更新。下一步建议先按第二、三节把评分流程跑通用自己的 31 张真实照片测出基线分数再把你正在调的 LoRA 生成图一批批喂进去——基线和生成图的分数差就是你继续调参的量化依据。【免费下载链接】ComfyUI_FaceAnalysisExtension for ComfyUI to evaluate the similarity between two faces项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI_FaceAnalysis创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考