OpenSeeFace 提供了 8 个追踪模型，覆盖不同速度与精度需求。
| 模型 | 质量 | 速度 | 说明 |
|---|---|---|---|
| -3 | 极低 | 极快 | 介于模型 0 和 -1 之间 |
| -2 | 低 | 很快 | 等效于模型 1 |
| -1 | 很低 | 最快 | 56×56 输入，极低精度高压帧率 |
| 0 | 低 | 快 | 可用于低配设备 |
| 1 | 中 | 中 | 偏刚性，眨眼检测表现弱 |
| 2 | 良好 | 中 | 推荐的平衡选择 |
| 3（默认） | 最高 | 较慢 | 最佳追踪精度，CPU 约 44 FPS |
| 4 | 高 | 较慢 | 眨眼检测有额外优化 |
以下数据基于单核 CPU 单脸推理：
| 模型 | CPU FPS | GPU FPS (GTX 1660 Ti) |
|---|---|---|
| -3 | 236 | 330 |
| -2 | 176 | 294 |
| -1 | 299 | 512 |
| 0 | 142 | 288 |
| 1 | 169 | 278 |
| 2 | 133 | 231 |
| 3 | 125 | 210 |
| 4 | ~100 | ~180 |
GPU 为 GTX 1660 Ti（6GB），使用 onnxruntime-gpu + CUDA 12.x。
每个模型有两个版本：
| 后缀 | 说明 |
|---|---|
_opt.onnx |
CPU 优化版本，使用 FusedConv 算子 |
_gpu.onnx |
GPU 优化版本，FusedConv 已展开为 Conv + 激活函数 |
Tracker 会自动根据 ExecutionProvider 选择对应版本。
| 场景 | 推荐模型 | 原因 |
|---|---|---|
| 高精度面捕（GPU） | 3 或 4 | 精度优先，GPU 加速后速度仍可接受 |
| 日常使用（CPU） | 2 | 精度与速度的良好平衡 |
| 低配设备 | 0 或 -1 | 保证基本追踪可用 |
| 眨眼检测优先 | 4 | 专门的眨眼优化 |
| 高帧率需求 | -1 | 最高可达 500+ FPS |