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：
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
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:\即可。dataddd
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
pip uninstall onnxruntime onnxruntime-gpu pip install onnxruntime-gpu==1.15.1 python run.py --execution-providers cuda
AMD
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
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
pip uninstall onnxruntime onnxruntime-coreml pip install onnxruntime-coreml==1.13.1 python run.py --execution-providers coreml
英特尔
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
python run.py --execution-providers coreml
苹果电脑｜非M芯片
python run.py --execution-providers coreml
英特尔
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：
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。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。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。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。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。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。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。
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。
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。
SOURCE
上传图像区域
TARGET
上传视频区域
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，
OUTPUT VIDEO QUALITY（输出视频质量）
建议设置为100%
OUTPUT
最终渲染视频呈现区域
PREVIEW
效果预览区域，可以快速查看生成后的效果预览。
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
感觉有用，微信扫一扫，打赏作者吧～
