影片中的人臉太小或細節模糊，單純放大未必能還原自然的面貌；換上新語音後，嘴形亦要配合音訊。TaoMate-FVSR 是一套人臉影片修復推理工具，利用音訊、稀疏的視覺參考和生成畫面歷史重建臉部，支援保留原聲修復，以及配合替換語音進行視覺配音。
它把臉部細節與口部動作放在同一個重建流程處理，並以來源影片保留場景結構，再由高質素參考提供外觀線索、目標音訊引導嘴部動態。相比先做超解像、再交給另一個配音模型的分段流程，這種聯合處理方式有機會減少修復結果與口形之間的不一致。
畫面可用 GPEN 處理首幀作參考，也可以提供自行編輯的首幀或完成的參考圖。推理流程會先以 DWPose 裁切人臉，再做修復、色彩與遮罩融合，最後貼回原影片；模型可按 1× 或 2× 尺寸運算，合成前會縮回 512×512，因此輸出場景維持原有尺寸。全場景比較也有助檢查修復臉部與原本畫面是否協調，但身體和背景不會一併提升解像度。
- 支援原始音訊修復及替換語音配音。
- 可用 GPEN、外部編輯首幀或完成的參考圖提供外觀線索。
- 1× 與 2× 推理分別使用 512×512 與 1024×1024 處理尺寸。
- 執行需要支援 BF16 的 NVIDIA CUDA GPU，以及 CUDA 版本相容的 PyTorch 2.6 或更新版本和 torchvision 0.21 或更新版本。
這套工具較適合需要修復 AI 生成影片人臉、製作配音版本，或比較局部臉部細節與完整場景效果的創作者及研究團隊。參考畫面質素和場景合成效果都會影響最後成果，正式製作前宜用自己的素材測試。