开源项目FaceFusionAI换脸

下面是一个给汉尼拔换脸的示例

紧张特性

多模型支持：FaceFusion供应多种人脸交流和增强模型，如InSwapper_128、GFPGAN等，用户可根据需求选择最适宜的模型。

高清处理：支持高分辨率图像和视频处理，确保输出结果的清晰度和质量。

遮挡处理：通过前辈的遮挡检测和处理技能，有效办理部分遮挡情形下的换脸问题。

多平台兼容：支持NVIDIA和AMD等主流显卡平台，知足不同用户的硬件需求。

唇形同步：供应音频到视频的唇形同步功能，为视频换脸增长更多可能性。

开源免费：作为开源项目，FaceFusion许可用户自由利用和定制，为AI换脸技能的发展做出贡献。

前置：须要有python环境，建议利用conda供应的环境（anaconda）

FaceFusion的安装须要一定的技能根本。
对付熟习命令行操作的用户，可以按照以下步骤进行安装：

克隆FaceFusion仓库：

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

进入项目目录：

cd facefusion

安装依赖：

pip install -r requirements.txt

启动FaceFusion：

python run.py

选择源图像：上传包含要更换的人脸的图像。

选择目标图像或视频：上传须要被更换人脸的图像或视频。

调度参数：根据须要调度面部检测、交流模型、增强设置等参数。

开始处理：点击"开始"按钮，等待处理完成。

一样平常情形可以利用默认的参数来做操作就行，cpu场景下实行速率巨慢

视频加载中...

FaceFusion 中一些配置参数及其浸染的详细阐明：

· FRAME PROCESSORS: 这些是处理每一帧的插件，可以用来实现不同的效果如面部交流、面部增强等。

· FACE SWAPPER MODEL: 选择用于面部交流的模型，不同的模型可能会有不同的性能表现和结果质量。

· EXECUTION PROVIDERS: 指定用于实行打算的硬件设备，如CPU、CUDA（GPU加速）等。

· EXECUTION THREAD COUNT: 设置实行线程的数量，这会影响到处理速率以及资源利用情形。

· EXECUTION QUEUE COUNT: 设定实行行列步队的数量，这对付并行处理多个任务有用。

· VIDEO MEMORY STRATEGY: 视频内存管理策略，可能包括如何分配和开释内存。

· SYSTEM MEMORY LIMIT: 设置系统内存利用的上限，以防止过度花费内存导致系统不稳定。

· TEMP FRAME FORMAT: 临时帧存储的格式，这可能影响到临时文件的大小和读写速率。

· OUTPUT PATH: 输出文件的路径，指定天生的文件保存在哪里。

· OUTPUT VIDEO ENCODER: 选择视频编码器来决定输出视频的编码办法。

· OUTPUT VIDEO PRESET: 输出视频的质量预设，常日有快速模式（Fast）、普通模式（Normal）等。

· OUTPUT VIDEO QUALITY: 输出视频的整体质量设置，可能会影响文件大小和清晰度。

· OUTPUT VIDEO RESOLUTION: 输出视频的分辨率设置。

· OUTPUT VIDEO FPS: 输出视频的帧率设置。

· PREVIEW FRAME: 预览帧设置，可能是指在处理过程中显示的预览帧的数量或者频率。

· TRIM FRAME START/END: 剪辑开始和结束的帧号，用于裁剪视频的起始和结束部分。

· FACE SELECTOR MODE: 选择要处理的人脸的办法，例如基于位置、大小等标准。

· FACE MASK TYPES: 人脸遮罩的类型，用于定义面部区域的精确度。

· FACE MASK BLUR: 遮罩的模糊程度，这可以帮助平滑边缘。

· FACE MASK PADDING TOP/RIGHT/BOTTOM/LEFT: 面部遮罩周围的添补量，用于扩大或缩小处理区域。

· FACE ANALYSER ORDER: 剖析脸部特色的顺序，可能涉及到年事、性别等剖析的优先级。

· FACE ANALYSER AGE/GENDER: 是否启用年事或性别剖析功能。

· FACE DETECTOR MODEL: 利用哪种模型进行面部检测。

· FACE DETECTOR SIZE: 面部检测器的事情尺寸，这可能影响检测速率和准确性。

· FACE DETECTOR SCORE: 面部检测得分阈值，用于过滤掉低质量的面部检测结果。

· FACE LANDMARKER SCORE: 面部标志点得分阈值，用于确保检测到的标志点足够准确。

遮挡处理：

o 启用face_debugger选项。

o 选择适当的遮挡模式（box、occlusion、region）。

o 调度Face Mask Blur参数以优化遮挡效果。

高清处理：

o 启用face_enhancer选项。

o 选择得当的增强模型，如GFPGAN1.4或codeformer。

o 调度Face Detector Size以提高细节处理能力。

唇形同步：

o 启用lip_syncer选项。

o 上传音频文件。

o 选择得当的唇形同步模型。

性能优化：

o 根据显卡类型选择得当的Execution Provider（NVIDIA用CUDA，AMD用DirectML）。

o 调度Execution Thread Count以平衡处理速率和内存利用。

多人脸处理：

o 利用Face Selector Mode选择处理单个或多个人脸。

o 调度Reference Face Distance参数以提高多角度人脸的匹配精度。

卡通人脸处理：

o 利用simswap_256模型进行卡通人脸更换。

o 启用face_enhancer并重点增强眼睛、鼻子和嘴巴区域。