InfiniteYou

换脸不换人，照片随心改，身份永不变

InfiniteYou 是一个基于扩散模型的图像生成与编辑工具，核心解决身份保持下的灵活照片重绘问题。它允许用户在不丢失人物身份特征的前提下，对照片进行多种编辑，如改变姿势、表情、服装或场景。项目采用 Diffusion Transformer（DiT）架构，并集成了先进的人脸识别与身份嵌入技术，确保生成结果在视觉相似性和编辑自由度之间取得平衡。作为 ICCV 2025 Highlight 论文的官方实现，它提供了完整的训练和推理代码，支持与 Diffusers 库无缝集成，方便开发者二次开发。其核心能力包括高保真身份保持、多风格编辑、以及细粒度的局部修改，适用于虚拟试衣、个性化头像生成、影视特效等场景。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2683

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队bytedance

所属国家

官网地址https://bytedance.github.io/InfiniteYou

GitHubhttps://github.com/bytedance/InfiniteYou

定价模式free

价格说明开源项目，Apache-2.0许可，可免费使用和部署，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型diffusers,diffusion,diffusion-transformer,dit,face,flux,iccv2025,identity-preserving,image-editing,image-generation,personalization,pytorch,research,text-to-image

GitHub 星标★ 2683

30天Star增速

HF 下载量

上线时间2025-02-14 00:00:00

最近更新2026-09-22 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：进阶约 30 分钟部署方式：本地安装 7 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（项目开发语言为 Python）
git（用于克隆代码仓库）
可访问 Hugging Face 的网络，用于下载 ByteDance/InfiniteYou 模型权重
建议具备 GPU 的本地或云环境（InfiniteYou-FLUX 属扩散模型推理）

安装与启动步骤

1克隆代码仓库

从 GitHub 拉取 InfiniteYou 官方仓库到本地，后续依赖安装和推理都在该目录进行。
```
git clone https://github.com/bytedance/InfiniteYou.git
```
2按官方说明装依赖

README 中有 Requirements and Installation 章节，但节选未给出具体命令，请打开仓库该章节照做，勿凭猜测安装。
3下载模型权重

从 Hugging Face 的 ByteDance/InfiniteYou 仓库下载 InfiniteYou-FLUX v1.0 权重，含 aes_stage2 与 sim_stage1 两个变体。
4选择模型版本

默认使用 SFT 后的 aes_stage2，文本-图像对齐与美学更好；需要更高身份相似度时用 --model_version 切换到 sim_stage1。
5按需调身份强度

两个参数一般不必调：--infusenet_conditioning_scale（默认 1.0）与 --infusenet_guidance_start（默认 0.0），效果不满意时再微调。
6可选装 ComfyUI 节点

官方另提供 ComfyUI 节点仓库，习惯图形界面的用户可克隆后按该仓库说明接入使用。
```
git clone https://github.com/bytedance/ComfyUI_InfiniteYou.git
```
7可选在线体验

不想本地部署时，可直接打开 Hugging Face Space（ByteDance/InfiniteYou-FLUX）在线试跑效果。

关键配置

配置项	必填	说明	示例
`--model_version`	否	切换模型变体，默认 aes_stage2，追求更高 ID 相似度用 sim_stage1	`sim_stage1`
`--infusenet_conditioning_scale`	否	身份注入强度，默认 1.0，通常无需调整，效果不佳时可略调小	`0.9`
`--infusenet_guidance_start`	否	身份引导起始步，默认 0.0，通常无需调整，可先试略调大	`0.1`

如何确认成功

推理脚本正常执行并产出重绘图像，且人物身份特征与输入照片一致；也可先在 Hugging Face Space 在线验证效果。

常见问题

Q：aes_stage2 和 sim_stage1 该选哪个？

A：aes_stage2 是 SFT 后的默认模型，文本-图像对齐和美学更好；想要更高身份相似度选 sim_stage1，用 --model_version 切换。

Q：生成结果的 ID 相似度不够怎么办？

A：先把 --infusenet_guidance_start 略调大（如 0.1，对 sim_stage1 尤其有用）；仍不满意再把 --infusenet_conditioning_scale 略调小（如 0.9）。

Q：生成的性别与预期不符怎么办？

A：在文本提示词中加入明确的词，如 'a man'、'a woman' 等，官方也建议使用包容、尊重的表达。

Q：可以额外加 LoRA 吗？

A：官方提供了 Realism 和 Anti-blur 两个 LoRA 作为可选示例，建议先只试 Realism；它们完全可选，论文中并未使用。

注意事项

本教程依据 README 节选整理，节选中未展示 Requirements and Installation 的具体命令，请以仓库 README 原文为准。
两个身份参数通常无需调整，仅在效果不满意时小幅改动，且建议一次只调一个。
LoRA 与 ComfyUI 节点均为可选增强，不影响基础推理流程。

核心亮点

身份保持精度高，基于先进的人脸嵌入技术，生成结果与原始人物高度相似
编辑灵活性强，支持姿势、表情、服装、场景等多维度修改，不局限于单一任务
代码质量高，基于 Diffusers 实现，易于集成和扩展，且有 ICCV 论文背书

不足之处

模型体积大，推理资源需求高，普通消费级 GPU 可能难以流畅运行
文档/社区待观察，项目仍处于成长阶段，教程和社区支持尚不完善

适用场景

虚拟试衣间，用户上传照片即可预览不同服装的上身效果
个性化内容创作，为社交媒体或营销生成保持身份特征的定制头像
影视后期制作，用于演员的数字化替身或场景重拍

替代项目

InstantID、IP-Adapter、PhotoMaker

项目介绍

InfiniteYou 是图像领域的开源项目，由 bytedance 开发，2025 年首次发布。

在全站 13,109 个收录项目中，它的 GitHub 星标数（2,683）位列前 30%，在图像分类的 840 个项目里位列前 8%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。Apache-2.0许可，可免费使用和部署，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：虚拟试衣间，用户上传照片即可预览不同服装的上身效果。同类可对比的替代方案包括 InstantID、IP-Adapter、PhotoMaker。

上一篇：dalle-playground

下一篇：VQGAN-CLIP