顔の検出には MediaPipe Face Landmarker（478点）を使います。モデルは初回だけダウンロードされ、推論は端末内で完結します。映像はどこにも送信されません。
MediaPipe の WASM ランタイムと顔モデル（約3MB）を取得しています。
腕立ての姿勢のまま、いちばん高い位置といちばん低い位置を1秒ずつキープして記録します。左下のメーターに顔メッシュと赤い目線ラインが出ていれば検出できています。
※ 可動幅が小さいとキャラが動きません。カメラを少し離して、上下の動きが画面内に収まる位置に置くと安定します。
姿勢を保って待機してください。