FaceFusion换脸AI技术使用以及部署教程

一、介绍：

前些日子比较火的换脸AI技术是Roop，但是Roop已经停止更新了，好像是因为团队成员用这个东西搞颜色吧。不知道为什么又搞了个FaceFusion，以后的更新也会围绕着FaceFusion啦。

不知道是不是心理作用，总感觉FaceFusion比Roop更加好用。

使用该软件，您可以将一段视频中的人脸替换成您选择的人脸，只需要一张所需人脸的图像，无需数据集和训练。

免责声明

在使用他人面部图像前，用户必须得到相关人士的同意，并在发布内容时不得隐瞒它是深度伪造。本站不对最终用户的恶意行为负责。

为了防止滥用，它内置了一个检查程序，防止该程序用于不当媒体。

项目仓库

GitHub：facefusion/facefusion-unlocked

前置条件

在执行项目安装之前，我们还需要安装Git和Conda，还有FFMpeg，如果您的电脑还未安装这几款软件，请先根据本站所给出的教程安装。

Windows系统安装Git请参阅此文章：

http://dataddd.com/git%ef%bd%9cwindows%e5%ae%89%e8%a3%85%e6%95%99%e7%a8%8b/

Windows系统安装Conda请参阅此文章：

http://dataddd.com/anaconda%ef%bd%9cminiconda%ef%bd%9cwindows%e5%ae%89%e8%a3%85%e6%95%99%e7%a8%8b/

Windows系统安装FFMpeg请参阅此文章：

http://dataddd.com/ffmpeg%ef%bd%9c%e5%aa%92%e4%bd%93%e6%a0%bc%e5%bc%8f%e8%bd%ac%e6%8d%a2%e5%b7%a5%e5%85%b7/

Visual Studio

在安装之前我们还需要下载Visual Studio

下载地址：Visual Studio: 面向软件开发人员和 Teams 的 IDE 和代码编辑器 (microsoft.com)

下载并安装Visual Studio 2022时，只需要勾选通过 Windows 平台开发项，然后点击安装，等待完成即可。

安装教程

如果您是初学者，对于命令行不太理解，那么请按下键盘上的Win键+R键后，在弹出的新窗口内输入CMD并按下回车，打开CMD窗口，按顺序执行如下的每一条命令。

首先我们需要确认一个工作目录，用来存放facefusion的相关环境依赖文件。本站所选择的目录为D盘的根目录下dataddd文件夹，完整路径为：D:\dataddd。

检测D盘是否在dataddd目录，没有则创建该文件夹。

if not exist D:dataddd mkdir D:\dataddd

强制切换工作路径为D盘的dataddd文件夹。

cd /d D:\dataddd

拉取Github仓库文件夹，将下载至dataddd文件夹。

git clone https://github.com/facefusion/facefusion.git

拉取无锁版本

git clone https://hub.fgit.cf/hassan-sd/facefusion-unlocked.git

如果您无法完成此步骤，执行后报错或者无法下载，可以下载该文件将其解压至D:\dataddd即可。

环境部署

在CMD中执行如下命令，强制切换至facefusion的项目目录。

cd /d D:\dataddd\facefusion-unlocked

在CMD中执行下面的命令行，创建Conda虚拟环境至该项目的目录中，方便日后重装系统也能够正常使用，无需重新部署环境。

conda create -y -p D:\dataddd\facefusion-unlocked\ENV python=3.10

初始化Conda环境，避免后续可能报错。

conda init cmd.exe

激活已创建的Conda环境，这样我们可以将我们后续所需要的所有环境依赖都安装至此环境下。

conda activate D:\dataddd\facefusion-unlocked\ENV

执行如下命令，安装访项目的相关依赖库。

pip install -r requirements.txt

图形加速

其实目前为止，你已经可以正常运行了，但速度会非常慢。如果您有一张好的GPU，你可以按照此处的教程安装GPU加速。

以下是针对各显卡安装图形加速的方法，请根据自身系统进行选择。

在你确认自己的显卡型号之后，在CMD中按顺序执行如下代码即可。

注意：最后一行是启动方式，如果你希望以CPU方式运行，那么可以不添加任何参数，直接运行python run.py，假如你想使用CUDA加速，那就执行python run.py --execution-providers cuda。

英伟达

1. CUDA安装

2. CUDNN安装

3. 
   

4. pip uninstall onnxruntime onnxruntime-gpu
   pip install onnxruntime-gpu==1.15.1
   python run.py --execution-providers cuda

AMD

1. 
   

2. pip uninstall onnxruntime onnxruntime-directml
   pip install onnxruntime-directml==1.15.1
   python run.py --execution-providers dml

苹果电脑｜M芯片

1. 
   

2. pip uninstall onnxruntime onnxruntime-silicon
   pip install onnxruntime-silicon==1.13.1
   python run.py --execution-providers coreml

苹果电脑｜非M芯片

1. 
   

2. pip uninstall onnxruntime onnxruntime-coreml
   pip install onnxruntime-coreml==1.13.1
   python run.py --execution-providers coreml

英特尔

1. 
   

2. pip uninstall onnxruntime onnxruntime-openvino
   pip install onnxruntime-openvino==1.15.0
   python run.py --execution-providers openvino

二、模型下载

参见百度链接

该模型默认路径为%USERPROFILE%，我们可以通过在CMD中执行下面的代码，将会自动打开模型存放的对应目录，也就是你的用户文档。

start %USERPROFILE%

将我们下载完成的模型文件解压缩，你将会得到两个名为.insightface和.opennsfw2的文件夹，将其移动到你自动打开的这个文件夹内即可。

运行方式

在以后每次运行该项目时，只需要先激活Conda环境，然后运行启动文件即可。

在CMD中执行如下命令，强制切换至facefusion的项目目录。

cd /d D:\dataddd\facefusion-unlocked

激活已创建的Conda环境，这样我们可以将我们后续所需要的所有环境依赖都安装至此环境下。

conda activate D:\dataddd\facefusion-unlocked\ENV

执行如下代码，运行facefusion的UI界面。

python run.py

AMD

python run.py --execution-providers dml

免设置方式启动

python run.py --execution-providers dml --execution-thread-count 8 --execution-queue-count 12 --max-memory 12 --keep-fps --skip-download -o "D:\dataddd\facefusion-unlocked\out" --log-level debug

英伟达

python run.py --execution-providers cuda

苹果电脑｜M芯片

1. python run.py --execution-providers coreml

苹果电脑｜非M芯片

1. python run.py --execution-providers coreml

英特尔

1. python run.py --execution-providers openvino

使用教程

当我们完成上述步骤中执行python run.py代码后，你将会在CMD窗口中看到如下内容。

(D:\dataddd\facefusion-unlocked\ENV) D:\dataddd\facefusion-unlocked>python run.py
Running on local URL:   
To create a public link, set `share=True` in `launch()`.

我们此时在浏览器中打开所给出的网址http://127.0.0.1:7860，即可访问该项目的界面。

以下是关于界面的各功能描述：

1. FRAME PROCESSORS（帧处理器）:

• face_swapper（脸部交换）: 一种在图像或视频中交换脸部的算法，类似于深度伪造技术。

• face_enhancer（脸部增强）: 一种增强或改进图像或视频中脸部质量的算法。

• frame_enhancer（帧增强）: 一种增强或改进整个图像或视频帧的算法。

2. EXECUTION PROVIDERS（运算方式）:

• 用于选择你想选用的推理方式，比如你可以选择使用CUDA加速，如果你不懂这是什么，可以先选择CUDA看看能不能运行成功，不成功就切换为CPU。

• tensorrt: NVIDIA TensorRT 是一个用于高性能深度学习推理的平台，针对 NVIDIA GPUs 进行了优化。

• cuda: CUDA 是 NVIDIA 开发的用于 GPU 上的通用计算的并行计算平台和编程模型。

• cpu（中央处理器）: 使用计算机的中央处理器进行执行，而不是使用 GPU。

3. EXECUTION THREAD COUNT（执行线程数）:

• 8: 指的是用于执行算法的线程或并行进程的数量。更多的线程通常意味着更快的处理，但最佳数量可能取决于硬件。

4. EXECUTION QUEUE COUNT（执行队列数）:

• 1: 指的是一次可以排队执行的任务或作业的数量。

5. TEMP FRAME FORMAT（临时帧格式）:

• jpg: 指的是在处理过程中用于保存临时帧的格式。JPEG (或 JPG) 是一种常见的图像格式。

6. TEMP FRAME QUALITY（临时帧质量）:

• 100: 对于 JPEG 格式的压缩质量，其中 100 是最高质量（最少压缩）。更高的质量通常意味着更大的文件大小。

7. KEEP FPS（保持帧率）:

• 确保视频的每秒帧数（FPS）在处理过程中保持一致或不变。

8. KEEP TEMP（保持临时文件）:

• 在处理完成后是否保留临时文件（如中间处理帧）的标志。

9. SKIP AUDIO（跳过音频）:

• 对于视频处理，此标志可能用于决定是否处理或忽略视频的音轨。

10. SOURCE

• 上传图像区域

11. TARGET

• 上传视频区域

12. OUTPUT VIDEO ENCODER（输出视频编码器）

• 用于选择视频编码方式，保持默认即可，

13. OUTPUT VIDEO QUALITY（输出视频质量）

• 建议设置为100%

14. OUTPUT

• 最终渲染视频呈现区域

15. PREVIEW

• 效果预览区域，可以快速查看生成后的效果预览。

16. FACE RECOGNITION

• 人脸识别区域，用于识别预览区域的人像提取。如果你有多张人脸，可以在这里选择目标人脸。

• FACE ANALYSER DIRECTION（人脸分析：方向）

• FACE ANALYSER AGE（人脸分析：年龄）

• FACE ANALYSER GENDER（人脸分析：性别）

参数很多？没关系，我们需要做的其实非常简单，那就是先点击SOURCE区域，这会自动弹出一个文件选择的窗口，我们选择一张人物图片即可，这张图片将会做为替换的素材。

然后点击TARGET区域，这会自动弹出一个文件选择的窗口，我们选择一个包含人物的视频，这个视频为被替换面部的视频。

最后我们点击START按钮，即可自动开始处理视频了。

命令行参数

以下是额外的命令行参数，一般不需要调整，忽略此部分内容即可。

python run.py [选项]-h, --help