人脸识别模型授权
InsightFace 开源模型包（buffalo_l、antelopev2、buffalo_s、buffalo_m 等）及高精度闭源模型的商业授权。从学术研究到生产部署，全面合规。
可通过 Python 包或 InsightFace Server 按需启用 RGB 活体检测，在人脸识别前进行检查。
深受全球下一代人脸 AI 开发团队的信赖
- GitHub Stars
- 2.9万+
- PyPI 下载量
- 2050万+
- 准确率
- 99.8%
- NIST FRVT
- 领先
解决方案
生产级人脸 AI 的
人脸与人员 AI
使用 InsightFace 构建人脸识别、结合身体重识别的人员分析、自托管 API、视频人脸隐私保护与换脸应用，并获取商业模型授权。
重点推荐
新增
人员分析
检测画面中的人员，优先通过人脸匹配已登记身份，并在无法获得人脸匹配时使用身体重识别。通过 Python 和 Cheetah 模型在本地运行。
新增
PrivateFrame
在自己的设备上完成视频人脸遮挡。跟踪人脸、选择哪些人物保持可见，并通过桌面应用、CLI 或 Python 导出模糊或马赛克视频。
商用需模型授权
更多解决方案
- InsightFace Server自托管人脸识别服务，支持可选 RGB 活体检测、Web UI、REST API、Python SDK、CPU 或 CUDA 推理、精确 1:N 搜索与持久 RTSP 监控。
- InspireFace SDK跨平台 C/C++ 人脸识别 SDK，内置防伪和活体检测功能。提供商业授权及专属技术支持，支持 Linux、Android、iOS、macOS 和嵌入式设备。
- 人脸替换开源 InSwapper-128 模型已成为开源换脸领域的事实标准，效果最佳。同时提供商业授权、高精度私有模型、移动端实时模型，以及面向专业直播的本地 NVIDIA GPU 实时方案。
- 深度伪造检测通过 SDK 与 API 提供企业级深度伪造与人脸伪造检测。体验在线 Demo，以校准的风险评分识别 AI 生成人脸、换脸与篡改媒体，适用于 KYC、内容审核与信任安全。
- Live Identity 专业直播面向专业直播和虚拟制作工作流，在主播 NVIDIA GPU 上本地运行授权的实时 AI 身份转换。
授权与定价
模型授权， 安心部署
从开源研究到模型授权、本地 Live Identity 部署、生产 API 与 SDK 访问，选择适合业务阶段的授权方案。
- 代码以 MIT License 发布——商业使用免费
- 预训练模型仅供非商业学术研究使用
- 模型商业使用需联系我们获取商业授权
- Python 包（insightface）可在 PyPI 上获取
- 通过 GitHub Issues 获得社区支持
- 访问在线演示
- 人脸识别模型商业授权（buffalo_l、antelopev2、buffalo_s 等）
- Cheetah S/L 人员分析模型商业授权
- InSwapper-128 人脸替换商业授权
- 深度伪造／人脸伪造检测模型商业授权
- 可获取闭源高精度模型
- 生产环境部署权限
- 邮件技术支持
- 授权合规指导
- 包含模型授权的全部内容
- 高精度人脸替换 API 访问
- 移动端实时人脸替换模型访问
- InsightFace Live Identity 组织级授权：面向专业直播的本地 NVIDIA GPU 实时身份工作流
- InspireFace C/C++ SDK 商业授权
- 深度伪造（Deepfake）检测 SDK 与 API 访问
- 优先 SLA 及专属工程支持
- 定制模型训练与 AI 咨询
集成方式
分钟级部署， 而非数月
无论您使用 Python、C++ 还是 REST——InsightFace 都能以最小的集成成本融入您的技术栈。
import cv2
from insightface.app import FaceAnalysis
app = FaceAnalysis(name="buffalo_l")
app.prepare(ctx_id=0)
a = app.get(cv2.imread("a.jpg"))[0]
b = app.get(cv2.imread("b.jpg"))[0]
score = a.normed_embedding @ b.normed_embedding
print("Cosine similarity:", round(score, 4))
import cv2
from insightface.app import PersonAnalysis
with PersonAnalysis(name="cheetah_s") as app:
app.register(
"alex", "face.jpg",
body_images="body_crop.jpg")
frame = cv2.imread("scene.jpg")
for person in app.match(app.get(frame)):
print(person.person_id, person.matched_by)
import cv2
from insightface.app import FaceAnalysis
from insightface.model_zoo import get_model
app = FaceAnalysis(name="buffalo_l")
app.prepare(ctx_id=-1)
source = app.get(cv2.imread("source.jpg"))[0]
target = cv2.imread("target.jpg")
swapper = get_model("inswapper_128.onnx")
cv2.imwrite("swapped.jpg", swapper.get(
target, app.get(target)[0], source, paste_back=True))
比较两张单人脸图片，输出余弦相似度。
InspireFace C/C++ SDK
面向移动端和嵌入式设备的原生 SDK。一套 API，全平台通用。
// Initialize the SDK
HResult ret = HFLaunchInspireFace(path);
// Create a session
HFSession session;
HFCreateInspireFaceSession(&session, mode);
// Detect and recognize
HFDetectFaces(session, image, &faces);
HFExtractFeature(session, image, face, &feature);# Authenticated deployment; omit -H when auth is disabled.
curl -sS http://localhost:18097/v1/detect \
-H "Authorization: Bearer ${INSIGHTFACE_API_KEY}" \
-F "image=@photo.jpg"研究与发表
世界级研究成果支撑
发表在顶级学术会议。InsightFace 的每个算法均经过同行评审并可复现。
ArcFace: Additive Angular Margin Loss
CVPR 2019
人脸识别的基础损失函数，在所有主要数据集上创下新的基准。
RetinaFace: Single-Shot Multi-Level Face Localisation
CVPR 2020
实用的单阶段人脸检测器，同时实现人脸检测和关键点定位。
SCRFD: Sample & Computation Redistribution for Efficient Face Detection
ICLR 2022
基于 NAS 架构搜索的高效高精度人脸检测方法。
Partial FC: Training 10 Million Identities on a Single Machine
CVPR 2022
可扩展的训练策略，支持大规模身份池的人脸识别训练。
Sub-center ArcFace: Boosting Face Recognition by Large-scale Noisy Web Faces
ECCV 2020
通过为每个类别学习多个子中心来处理噪声训练数据。
博客
最新 动态
了解人脸 AI 技术、研究和应用的最新发展动态。
研究雷达人脸替换视觉编辑arXiv2026年9月
2026年9月人脸替换论文：光照协调、参考注意力与实时视觉配音
三篇论文解决了身份编辑的制作空缺：匹配场景光照而不重涂皮肤，让扩散编辑器实际使用参考，以及将视觉配音减少到两个去噪步骤。
阅读更多研究雷达人脸识别arXiv2026年9月
2026年9月人脸识别论文：更公平的匹配、热成像适配与双胞胎测试
三篇九月论文研究了在人脸识别标准排行榜之外的失败点：人口统计得分密度、可见光到红外的匹配以及几乎无法区分的身份。
阅读更多研究雷达人脸检测面部标记点arXiv2026年9月
2026年9月人脸检测论文：统一关键点、扩散对齐与课堂部署
9月份的检测堆栈从边界框转向可靠几何：两个地标系统针对混合、困难的数据集，而一项课堂研究则衡量端到端检测器与识别器的权衡。
阅读更多准备部署 全球领先的人脸 AI？
无论您需要人脸识别模型授权、换脸商业授权、直播身份部署、本地实时身份工作流、InspireFace SDK，还是定制 AI 合作——欢迎联系我们开始合作。
我们仅接受企业邮箱的咨询。
✓ 需使用企业邮箱✓ MIT 许可的代码库✓ 提供企业级 SLA