Face swap vs head swap
多くの「face swap」 tool は顔の 領域 しか入れ替えない。 髪 / ジョーライン / 頭の輪郭は target のまま残る。 結果: source が長髪、 target が坊主だと「変な頭に顔だけ移植された」 不気味な絵になる。
head swap は 頭全体 を転送する — 顔 / 髪 / ジョー / 耳 / 首筋まで。 target の体 / 服 / 背景 / ポーズはそのまま、 首から上だけ入れ替わる。
多くの AI tool でこれが出来ない理由
従来の face swap pipeline (= GFPGAN / InsightFace / fal-ai/face-swap) は顔 mask 上で動く。 face landmark を検出、 align、 pixel blend。 髪は mask の範囲外なので、 そもそも処理対象に入らない。
髪まで swap するには、 画像全体を理解する model が必要 — 2 枚を input として受け、 新 composite を出力する multi-image edit model。 現世代でできるもの:
- Google Nano Banana edit = multi-image edit endpoint、 画像配列 + 指示 prompt を受ける
- ByteDance SeeDream v4 edit = 同類、 別 family
EGAKU の /head-swap は両方を 3-tier で試行 → 全 fail で face-swap に fallback。 必ず結果が返る。
EGAKU AI での手順
upload 2 枚 + 1 click。
- /head-swap を開く。 sign-in 必要 (= 6 credit / 1 swap、 結果は library 保存)。
- Source 画像: 転送したい 頭 がある写真。 顔が見えていて、 lighting 明瞭、 target と似た向き。
- Target 画像: 残したい 体 / 背景 がある写真。 source と似た角度だと blend が綺麗。
- Swap Head click。 Nano Banana → SeeDream → face-swap の順で試行。 10-30 秒。
- 結果に tier badge (= どの upstream が serve したか) 付き。
結果が変な時は input を直す
source と target が乖離しすぎると blend が崩れる。 よくある修正:
- head 角度ミスマッチ: source が 3/4 view、 target が straight → 足りない幾何を AI が想像で埋める = ボロ出る。 似た head 向きで撮った写真を選ぶ。
- lighting ミスマッチ: source が golden hour、 target が蛍光灯 → 色温度が浮く。 似た光環境の写真を選ぶ。
- 解像度ミスマッチ: source 4K、 target 800px → source 高精細が downscale で消える。 似た解像度を選ぶ。
- 重い filter / 加工: vintage filter / 美肌加工 → AI が filter を「顔の一部」 と認識して伝播する。 clean source 推奨。
向く用途 / 向かない用途
向く:
- 自作キャラ (= AI 生成 / 私物) を stock photo の体に乗せて editorial mock-up
- 同じキャラを複数 composition で衣装 / 背景バリ展開
- 写真に写る人を AI 生成 head で匿名化
- 本撮影前の中間 placeholder
向かない / 禁止:
- deepfake 生成。 EGAKU は face-fidelity と性的 / 有害 prompt の組合せを検知して silent substitution。
- 本人同意のない顔の使用。 platform 能力に関係なく禁止。
egaku-ai.com/head-swap で無料試食可。 6 credit / swap、 free plan は 50 credit start。