オープンソースフェイススワップソフトウェア：トップモデルとツール（2026年）

一緒に仕事をしている開発者からの質問リストを常に更新している。「どのオープンソースの顔交換モデルを使うべきか？」という質問は、何ヶ月もリストに載り続けていた。

私の答えはずっと変わり続けていた——難しい質問だからではなく、状況が変わり続けていたからだ。プロジェクトはアーカイブされ、フォークは分岐し、ライセンスは変更された。

そこで腰を据えてきちんと評価することにした。

これは「おすすめツール」リストではない。2026年に実際に重要なモデルを実践的に見ていく——セットアップ、ライセンス、GPUにかかるコスト、そしてオープンソースが意味をなさなくなる場面について。

オープンソース顔交換ソフトウェアで評価すべき点

モデルがユースケースに合うかどうかを決める変数は3つある。多くのチームは、プロジェクトを6週間進めてからそのうちの1つを見落としていたと気づく。

モデル品質とアーキテクチャ

オープンソースのエコシステムで見つかるものの大半は、2つの基盤のどちらかに基づいている。GANベースのエンコーダー・デコーダーアーキテクチャ（古いアプローチで、DeepFaceLabで今も使われている）か、ワンショットアイデンティティ転送モデル（inswapperとその派生で使われているもの）だ。

ワンショットとは、単一の参照画像を使うということで、特定の顔で何時間もトレーニングする必要がない。製品ワークフローに近いものなら、ワンショットが唯一実用的な選択肢だ。

出力解像度は事前に確認する価値がある。inswapper_128の「128」は顔のクロップ解像度を指している。ウェブには十分だが、4Kでは目立つ。

ライセンスの種類と商用利用の制約

「オープンソース」は広い範囲をカバーする。InsightFace GitHubリポジトリはこの点について明確に述べている。コードはMITライセンス（商用利用可能）だが、事前学習済みモデル——inswapper_128を含む——は非商用研究用途に限定されている。inswapperモデルの商用利用には、InsightFaceから直接別途ライセンスを取得する必要がある。この違いは、予想以上に多くのチームの落とし穴になっている。

モデルのライセンスを読むこと。リポジトリのライセンスだけでなく。それらはしばしば異なるドキュメントだ。

メンテナンス活動とコミュニティサポート

この分野のオープンソースプロジェクトの半分は事実上凍結されている。何かの上に構築する前にコミットの履歴を確認すること。開発者s0md3vが作成したオリジナルのRoopリポジトリは、開発者がテクノロジーの広範な二次的影響への懸念を挙げて2026年3月に永久にアーカイブされた。コードは今でも動く。アクティブな開発はフォークに移った。

SimSwapは何年も意味のあるコミットがない。自分が何を引き継ぐのかを把握しておくこと。

トップオープンソース顔交換モデル

InsightFace / inswapper

リファレンス実装だ。2026年に誰かが顔交換パイプラインを構築しているなら、そこにinswapper_128.onnxが含まれている可能性は高い。

このモデルはワンショットアイデンティティ転送システムだ。ソース画像1枚、任意のターゲット。パイプラインは：顔検出 → 位置合わせ → ArcFace埋め込みによる特徴抽出 → アイデンティティ転送 → ブレンディング。InsightFaceのbuffalo_lモデルが検出と位置合わせを担当し、inswapperが転送ステップを担当する。

出力品質は本当に良い。正面の顔でのアイデンティティ保存は強い。極端な角度、強い遮蔽、低解像度のソース画像では劣化する。ドリフトが起きるとき、明らかなアーティファクトを生成するのではなく、通常はターゲットの顔に向かってドリフトする——これが失敗を微妙なものにしている。

ハードウェア：GPUを強く推奨。CPU推論は画像1枚あたり10〜30秒かかる。最新のNVIDA GPUでは1秒未満だ。

ライセンス注記： コードはMIT。事前学習済みモデルは非商用研究用のみ。商用利用はInsightFaceへの連絡が必要。

SimSwap

2020年のACM Multimediaの論文が実用的なツールになったもの。SimSwapは、特に難しいポーズや遮蔽のシナリオで、以前のアプローチよりも確実にアイデンティティを保存するための特徴マッチング損失を導入した。

正直な評価：長い間意味のあるメンテナンスが行われていない。結果はまだ十分だ。しかし新しいプロジェクトを始めるなら、明確な理由なくアクティブにメンテナンスされている代替品より古いアーキテクチャを選ぶことになる。研究には問題ない。本番での正当化は難しい。

ライセンス： 非商用。リポジトリに明確に記載されている。

DeepFaceLab

このリストで最も高い出力品質——一貫して。より良い結果を生み出す理由は、多くのチームが使わない理由でもある：顔ペアごとにカスタムモデルのトレーニングが必要だ。

これはプラグアンドプレイのツールではない。フェイスセット（数百から数千の顔画像）を用意し、RTXクラスのハードウェアで何時間も何日もトレーニングし、それからモデルをターゲット映像に適用する。出力は驚異的なものになりうる。しかしワークフローはオンデマンド処理とは相容れない。

品質が唯一の変数となる長尺動画コンテンツ——エンターテインメント、研究デモンストレーション、映画——では今もリファレンスだ。任意の新しい顔を処理する必要があるアプリやパイプラインには向いていない。

Roopとアクティブなフォーク

オリジナルのRoopは、技術的でないユーザーがinswapperにアクセスできるようにした。単一ソース画像、ワンクリック、出力動画。機能していた——今でも機能する。オリジナルリポジトリは現在アーカイブされている。

生きているもの：

Roop-Unleashed — 最もアクティブなフォーク。GFPGANによる顔復元、ReSwapperを使った高解像度出力（ベースの128pxに対して256px）、マルチフェイスサポート、ウェブUIを追加している。セルフホストのノーコードに近いセットアップには、これを使うだろう。

ReActor — 主にStable Diffusion拡張機能。そのエコシステム、特にComfyUIワークフローにすでにいる場合に最も有用だ。

FaceFusion — 同じ系統からフォークされ、今は独自のプロジェクトになっている。アクティブにメンテナンスされ、GitHubスター数26K+、GUIとヘッドレスバッチモード、CUDA/CoreML/ROCMサポート。最小4GB VRAM；品質のある結果には8GB+を推奨。FaceFusionのドキュメントによると、GPU加速はCPUより5〜10倍の速度向上をもたらす。現在ほとんどのユースケースで最もアクティブにメンテナンスされているオープンソースの選択肢だ。

比較表

モデル	ライセンス	出力品質	2026年もアクティブ	最小GPU VRAM	API対応
InsightFace / inswapper	コード：MIT；モデル：非商用（商用ライセンス取得可能）	良好	はい	4 GB	統合作業が必要
SimSwap	非商用	普通	いいえ	4 GB	統合作業が必要
DeepFaceLab	GPL-3.0	最高（トレーニング必要）	低速ペース	6 GB以上	いいえ
Roop（オリジナル）	GPL-3.0	普通	2026年3月アーカイブ	4 GB	いいえ
Roop-Unleashed	GPL-3.0	良好	はい	4 GB	いいえ
FaceFusion	MIT	良好、改善中	はい（アクティブ）	最小4 GB / 推奨8 GB	ヘッドレス/バッチモード

セルフホストとマネージドAPI

これは、「オープンソースが欲しい」と言うときに多くの開発者が実際に聞いていることだ。モデルを意味することもある。無料を意味することもある。データがどこに行くかのコントロールを意味することもある。

セットアップとメンテナンスのオーバーヘッド

Pythonに慣れているなら、inswapperをローカルで実行するのは簡単だ：リポジトリをクローンし、onnxruntimeをインストールし、ウェイトをダウンロードし、小さな統合コードを書く。

FaceFusionはもう少しセットアップが必要だ——環境設定、CUDA、モデルのダウンロード——しかし管理可能だ。初めてなら1日くらい見ておくといい。

本当のコストはメンテナンスだ。CUDAと依存関係の問題は、何かが更新されるとよく壊れる。マネージドAPIなら、そのオーバーヘッドは消える。

GPUの要件とスループットの制約

inswapperの場合、4GB VRAMは単一画像には十分で、動画やバッチ処理は8GB+が快適だ。

1日数百回のスワップなら、セルフホストはコスト効率が良い。スケール時（数万回）には、オートスケーリング、キュー、障害対応が必要になる——それはインフラ作業であり、単なるモデル統合ではない。

マネージドAPIのケース

マネージドAPIはアイドルコストなしで推論ごとに課金される。WaveSpeedAIの顔交換エンドポイントは従量課金のREST APIを提供している——コールドスタートなし、フリート管理なし。変動的またはスパイキーなトラフィックの場合、純粋な経済学ではこのモデルと競うのは難しい。APIコールは2つの入力：ソース顔画像URL、ターゲット画像URL。1回のPOSTリクエスト、1つの出力URLが返ってくる。

実行する価値のある比較：月間推論ボリュームを見積もり、専用インスタンスのアイドル時間を見積もり、それから決める。一貫した高ボリュームはセルフホストに有利。予測不可能なトラフィックはほぼ常にマネージドに有利だ。

オープンソースが（そうでない場合も含めて）適切な選択肢となる場面

適しているケース

オープンソースが正しい選択なのは：

モデルの内部を検査または変更する必要がある研究を行っている。
エアギャップ環境での推論が必要。
すべての処理ステップを正確に制御するカスタムパイプラインを構築している。
コンプライアンスや契約上の理由でデータをインフラから出せない。
ボリュームが十分に高く一貫していて、マネージドAPIのコストがセルフホストのコストを超える。

適していないケース

オープンソースが誤った選択なのは：

推論が午前2時に壊れたときにオンコールする誰かが必要なとき。
トラフィックが予測不可能で、GPUのアイドル時間を負担できないとき。
CUDAの依存関係をメンテナンスできるチームメンバーがいないとき。
顧客に見せられる文書化されたSLAが必要なとき。

オープンソースはモデルとコードを提供する。インフラ、サポート、信頼性の保証は提供しない。それは批判ではない——「オープンソース」が意味することがそれだというだけだ。自分が何にサインアップしているかを把握しておくこと。

責任ある使用に関する注記

このセクションは2年前よりも2026年においてより重要だ。

これらのライセンスがカバーするものとしないもの

RoopとDeepFaceLabが使用するGPL-3.0ライセンスはソフトウェアの再配布をカバーする。ソフトウェアの出力を作成または配布することが法的に許可されているかどうかについては何も言っていない。

InsightFaceのモデルライセンスは明確だ：事前学習済みのinswapperモデルは非商用研究用のみで利用可能だ。ライセンスページには、inswapperシリーズについて商用利用には直接連絡が必要と明示されている。その商用ライセンスなしに本番アプリケーションでinswapper_128を使用することはグレーゾーンではない。

FaceFusionのソフトウェアのMITライセンスは許容的だ。繰り返すが：ソフトウェアライセンスはコードをカバーし、それで作成するコンテンツをカバーするものではない。

米国の法的状況

TAKE IT DOWN Actは、2025年5月19日にトランプ大統領が署名し、非合意的な親密なディープフェイクを具体的に対象とした最初の連邦フレームワークだ。下院を409対2で通過し、上院を全会一致で通過した。同法は、AIが生成した「デジタル偽造」を含む非合意的な親密な画像の意図的な公開を犯罪化し、プラットフォームには削除プロセスを設け、有効な通知から48時間以内に対応することが求められる。同法の下での最初の有罪判決は2026年4月に下された。

DEFIANCE Act——ディープフェイク被害者に対して連邦民事訴訟を作成するもの——は議会に再提出されている。2025年のNO FAKES Actは生成AIにおける人の声と視覚的肖像の非合意的使用を対象とし、上院司法委員会に付託された。2026年4月時点で、47の州が何らかの形でディープフェイク立法を制定している。

EUの法的状況

EU AI ActのArticle 50は、ディープフェイクを含む合成コンテンツを生成または操作するAIシステムのプロバイダーおよびデプロイヤーに対して透明性義務を定めている。これらのルールの下、ディープフェイクコンテンツは機械可読な形式でマーク付けされ、人工的に生成されたものとして開示されなければならない。これらの義務は欧州委員会の実装タイムラインに従い、2026年8月2日から施行可能となる。実施のコード草案は2025年12月に公開され、プロバイダーが施行前にそれらの義務を満たすのを支援している。

製品を構築する開発者向けの簡潔なまとめ：同意は多くの法域でベストプラクティスではなく法的要件になっている。同意フローをアプリケーション自体に組み込むこと——利用規約だけでなく。

まとめ

オープンソースの顔交換エコシステムは強力だが、見た目よりもごちゃごちゃしている。モデルの品質は確かだが、ライセンス、メンテナンス、隠れたインフラコストは現実のものだ。

私の見解：テスト環境でFaceFusionまたはinswapperから始めること。モデルのライセンスを早めに確認すること。月に数千枚以上の画像を扱っているなら、オープンソースが安いと決めつける前にセルフホスト対APIのコストを比較すること。

そして法的側面を無視しないこと。2026年時点で、状況は変わった——米国には連邦法が施行されており、EUの施行は8月から始まる。

以上だ。

よくある質問

Q: 2026年のベストなオープンソース顔交換モデルは何ですか？ ユースケースによる。ワンショットパイプラインには、InsightFace/inswapperが標準だ。GUIを備えたアクティブにメンテナンスされたセルフホストツールには、FaceFusionを使う。固定された顔ペアで最高品質を求めるならDeepFaceLab——しかしトレーニングが必要でオンデマンドワークフローには適していない。

Q: DeepFaceLabは今でもアクティブにメンテナンスされていますか？ あまりされていない。まだ動作しコミュニティもあるが、アップデートは遅い。長期プロジェクトには、FaceFusionの方がよりアクティブにメンテナンスされている選択肢だ。

Q: オープンソースの顔交換モデルを商用利用できますか？ モデルによる。FaceFusionとRoopフォークはコードレベルで商用利用を許可している。InsightFaceの事前学習済みモデル（inswapper_128など）は非商用のみ——本番利用には別途ライセンスが必要だ。リポジトリだけでなく、常にモデルのライセンスを確認すること。

過去の投稿：