FaceFusion

Professionelles Face-Swapping und -Enhancement auf Clore.ai GPUs

Professionelles Werkzeug zum Gesichtertausch und zur Verbesserung.

Alle Beispiele können auf GPU-Servern ausgeführt werden, die über CLORE.AI Marketplace.

Mieten auf CLORE.AI

1. Besuchen Sie CLORE.AI Marketplace

2. Nach GPU-Typ, VRAM und Preis filtern

3. Wählen On-Demand (Festpreis) oder Spot (Gebotspreis)

4. Konfigurieren Sie Ihre Bestellung:

   • Docker-Image auswählen

   • Ports festlegen (TCP für SSH, HTTP für Web-UIs)

   • Umgebungsvariablen bei Bedarf hinzufügen

   • Startbefehl eingeben

5. Zahlung auswählen: CLORE, BTC, oder USDT/USDC

6. Bestellung erstellen und auf Bereitstellung warten

Zugriff auf Ihren Server

• Verbindungsdetails finden Sie in Meine Bestellungen

• Webschnittstellen: Verwenden Sie die HTTP-Port-URL

• SSH: ssh -p <port> root@<proxy-address>

Was ist FaceFusion?

FaceFusion bietet:

• Hochwertiger Gesichtertausch

• Gesichtsverbesserung

• Altersänderung

• Expressionsübertragung

• Videoverarbeitung

Ressourcen

• GitHub: facefusion/facefusion

• Dokumentation: docs.facefusion.io

• Discord: FaceFusion Community

Empfohlene Hardware

Komponente	Minimum	Empfohlen	Optimal
GPU	RTX 3060 12GB	RTX 4080 16GB	RTX 4090 24GB
VRAM	8GB	16GB	24GB
CPU	8 Kerne	16 Kerne	32 Kerne
RAM	16GB	32GB	64GB
Speicher	50GB SSD	100GB NVMe	200GB NVMe
Internet	100 Mbps	500 Mbps	1 Gbps

Schnelle Bereitstellung auf CLORE.AI

Docker-Image:

pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel

Ports:

22/tcp
7860/http

Befehl:

pip install facefusion && \
facefusion run --ui-layouts default

Zugriff auf Ihren Dienst

Nach der Bereitstellung finden Sie Ihre http_pub URL in Meine Bestellungen:

1. Gehen Sie zur Meine Bestellungen Seite

2. Klicken Sie auf Ihre Bestellung

3. Finden Sie die http_pub URL (z. B., abc123.clorecloud.net)

Verwenden Sie https://IHRE_HTTP_PUB_URL anstelle von localhost in den Beispielen unten.

Installation

# FaceFusion installieren
pip install facefusion

# Oder aus dem Quellcode
git clone https://github.com/facefusion/facefusion.git
cd facefusion
pip install -r requirements.txt

Was Sie erstellen können

Unterhaltung

• Vorbereitung für Filmdub

• Fan-erstellte Inhalte

• Meme-Erstellung

Professionell

• Virtuelle Anprobe für Mode

• Personalisierte Marketingmaßnahmen

• Datenschutzschutz in Videos

Kreative Projekte

• Kunstinstallationen

• Musikvideoeffekte

• Kurzfilmproduktion

Wichtig: Immer verantwortungsbewusst und mit Einwilligung verwenden.

Grundlegende Verwendung

Weboberfläche

# Web-UI starten
facefusion run --ui-layouts default

# Zugriff unter http://localhost:7860

Kommandozeile

# Ein Bild Gesichtertausch
facefusion headless-run \
    --source-paths source_face.jpg \
    --target-path target_image.jpg \
    --output-path result.jpg \
    --face-swapper-model inswapper_128

# Video-Gesichtertausch
facefusion headless-run \
    --source-paths source_face.jpg \
    --target-path input_video.mp4 \
    --output-path output_video.mp4 \
    --face-swapper-model inswapper_128 \
    --execution-providers cuda

Python-API

from facefusion import core
from facefusion.processors.frame.face_swapper import FaceSwapper

# Initialisieren
swapper = FaceSwapper(
    model="inswapper_128",
    device="cuda"
)

# Verarbeite Bild
result = swapper.process(
    source_image="source_face.jpg",
    target_image="target.jpg"
)

result.save("swapped.jpg")

Gesichtsverbesserung

# Gesichtsqualität verbessern
facefusion headless-run \
    --target-path input.jpg \
    --output-path enhanced.jpg \
    --face-enhancer-model gfpgan_1.4 \
    --face-enhancer-blend 80

Mehrere Gesichter

# Bestimmte Gesichter tauschen
facefusion headless-run \
    --source-paths face1.jpg face2.jpg \
    --target-path group_photo.jpg \
    --output-path result.jpg \
    --face-selector-mode reference \
    --reference-face-position 0 1

Videobearbeitung

# Voller Video-Gesichtertausch mit Verbesserung
facefusion headless-run \
    --source-paths source_face.jpg \
    --target-path input_video.mp4 \
    --output-path output_video.mp4 \
    --face-swapper-model inswapper_128 \
    --face-enhancer-model gfpgan_1.4 \
    --execution-providers cuda \
    --execution-thread-count 4 \
    --video-encoder libx264 \
    --video-quality 18

Batch-Verarbeitung

import os
from facefusion import core
from facefusion.processors.frame.face_swapper import FaceSwapper

swapper = FaceSwapper(model="inswapper_128", device="cuda")

# Quellgesicht
source = "my_face.jpg"

# Zielbilder
targets = [f for f in os.listdir("./targets") if f.endswith(('.jpg', '.png'))]

os.makedirs("./results", exist_ok=True)

for target in targets:
    print(f"Verarbeite: {target}")

    result = swapper.process(
        source_image=source,
        target_image=f"./targets/{target}"
    )

    result.save(f"./results/swapped_{target}")

Gradio Benutzerdefinierte Oberfläche

import gradio as gr
from facefusion.processors.frame.face_swapper import FaceSwapper

swapper = FaceSwapper(model="inswapper_128", device="cuda")

def swap_faces(source_image, target_image, enhance):
    result = swapper.process(
        source_image=source_image,
        target_image=target_image,
        enhance=enhance
    )
    return result

demo = gr.Interface(
    fn=swap_faces,
    inputs=[
        gr.Image(type="filepath", label="Quelle Gesicht"),
        gr.Image(type="filepath", label="Zielbild"),
        gr.Checkbox(label="Ergebnis verbessern", value=True)
    ],
    outputs=gr.Image(label="Ergebnis"),
    title="FaceFusion - Gesichtertausch",
    description="Professioneller Gesichtertausch auf CLORE.AI-Servern"
)

demo.launch(server_name="0.0.0.0", server_port=7860)

Qualitätseinstellungen

Tauschmodelle

Modell	Qualität	Geschwindigkeit	VRAM
inswapper_128	Gut	Schnell	4GB
inswapper_128_fp16	Gut	Schneller	2GB
simswap_256	Besser	Mittel	6GB
simswap_512	Am besten	Langsam	10GB

Verbesserungsmodelle

Modell	Qualität	Geschwindigkeit
gfpgan_1.4	Großartig	Mittel
codeformer	Am besten	Langsam
gpen_bfr_512	Gut	Schnell

Leistung

Aufgabe	Auflösung	GPU	Zeit
Einzelnes Bild	1024x1024	RTX 3090	0.5s
Einzelnes Bild	1024x1024	RTX 4090	0.3s
Video (1 Min)	1080p	RTX 4090	5 Min
Video (1 Min)	1080p	A100	3 Min.

Häufige Probleme & Lösungen

Kein Gesicht erkannt

Problem: "Kein Gesicht in Quelle/Ziel gefunden"

Lösungen:

• Stelle sicher, dass das Gesicht deutlich sichtbar ist

• Das Gesicht sollte mindestens 64x64 Pixel groß sein

• Verwenden Sie Front- oder leicht seitliche Fotos

• Gute Beleuchtung erforderlich

Schlechter Tausch

Problem: Ergebnis wirkt unnatürlich

Lösungen:

# Besseres Modell und Verbesserung verwenden
facefusion headless-run \
    --source-paths source.jpg \
    --target-path target.jpg \
    --output-path result.jpg \
    --face-swapper-model simswap_256 \
    --face-enhancer-model gfpgan_1.4 \
    --face-enhancer-blend 80

Videoverarbeitung langsam

Problem: Dauert zu lange für Videos

Lösungen:

• Verwenden Sie den CUDA-Ausführungsanbieter

• Erhöhen Sie die Anzahl der Threads

• Verwenden Sie fp16-Modell für Geschwindigkeit

• Auf A100 für beste Leistung ausführen

facefusion headless-run \
    --execution-providers cuda \
    --execution-thread-count 8 \
    --face-swapper-model inswapper_128_fp16

Farbabweichung

Problem: Das getauschte Gesicht hat eine andere Farbe

Lösungen:

• Gesicht-Farbkorrektur aktivieren

• Beleuchtung zwischen Quelle und Ziel anpassen

• Nachbearbeitung mit Farbkorrektur

Speicherprobleme

Problem: Speicherüberschreitung bei Video

Lösungen:

# Speicherverbrauch reduzieren
facefusion headless-run \
    --video-memory-strategy tolerant \
    --execution-thread-count 2

Fehlerbehebung

Schlechte Qualität des Gesichtertauschs

• Verwenden Sie Quellbilder mit höherer Auflösung

• Sorgen Sie für gute Beleuchtung in beiden Bildern

• Probieren Sie andere Gesichtsverbesserungsmodelle

"Kein Gesicht erkannt"

• Das Gesicht muss klar sichtbar sein

• Vermeiden Sie Seitenprofile

• Überprüfen Sie, ob das Bild nicht zu klein ist

Videoverarbeitung hängt

• Große Videos benötigen mehr RAM

• In kleineren Segmenten verarbeiten

• Verwenden Sie SSD-Speicher für temporäre Dateien

Modelle werden nicht heruntergeladen

• Überprüfen Sie die Internetverbindung

• Führen Sie mit aus --download-models Flag

• Manuell von HuggingFace herunterladen

Kostenabschätzung

Typische CLORE.AI-Marktplatztarife (Stand 2024):

GPU	Stundensatz	Tagessatz	4-Stunden-Sitzung
RTX 3060	~$0.03	~$0.70	~$0.12
RTX 3090	~$0.06	~$1.50	~$0.25
RTX 4090	~$0.10	~$2.30	~$0.40
A100 40GB	~$0.17	~$4.00	~$0.70
A100 80GB	~$0.25	~$6.00	~$1.00

Preise variieren je nach Anbieter und Nachfrage. Prüfen Sie CLORE.AI Marketplace auf aktuelle Preise.

Geld sparen:

• Verwenden Sie Spot Markt für flexible Workloads (oft 30–50% günstiger)

• Bezahlen mit CLORE Token

• Preise bei verschiedenen Anbietern vergleichen

Nächste Schritte

• InstantID - Identitätserhalt

• LivePortrait - Porträtanimation

• GFPGAN - Gesichtsrestauration