FaceFusion

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

Professionelles Tool zum Gesichtstausch und zur Gesichtsverbesserung.

Alle Beispiele können auf GPU-Servern ausgeführt werden, die gemietet wurden über CLORE.AI-Marktplatz.

Mieten auf CLORE.AI

1. Besuchen CLORE.AI-Marktplatz

2. Filtern nach GPU-Typ, VRAM und Preis

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

4. Konfiguriere deine Bestellung:

   • Docker-Image auswählen

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

   • Bei Bedarf Umgebungsvariablen hinzufügen

   • Startbefehl eingeben

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

6. Bestellung erstellen und auf die Bereitstellung warten

Greife auf deinen Server zu

• Verbindungsdetails finden in Meine Bestellungen

• Web-Oberflächen: Verwende die HTTP-Port-URL

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

Was ist FaceFusion?

FaceFusion bietet:

• Hochwertiger Gesichtstausch

• Gesichtsverbesserung

• Altersänderung

• Ausdrucksübertragung

• Videobearbeitung

Ressourcen

• GitHub: facefusion/facefusion

• Dokumentation: docs.facefusion.io

• Discord: FaceFusion-Community

Empfohlene Hardware

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

Schnellbereitstellung auf CLORE.AI

Docker-Image:

pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel

Ports:

22/tcp
7860/http

Befehl:

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

Auf deinen Dienst zugreifen

Nach der Bereitstellung findest du deine http_pub URL in Meine Bestellungen:

1. Gehe zu Meine Bestellungen Seite

2. Klicke auf deine Bestellung

3. Finde die http_pub URL (z. B. abc123.clorecloud.net)

Verwende https://YOUR_HTTP_PUB_URL anstelle von localhost in den folgenden Beispielen.

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 der Filmsynchronisation

• Von Fans erstellte Inhalte

• Meme-Erstellung

Professionell

• Virtuelle Anprobe für Mode

• Personalisierte Vermarktung

• Datenschutz in Videos

Kreative Projekte

• Kunstinstallationen

• Musikvideoeffekte

• Kurzfilmproduktion

Wichtig: Immer verantwortungsvoll und mit Zustimmung verwenden.

Grundlegende Verwendung

Weboberfläche

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

# Aufruf unter http://localhost:7860

Kommandozeile

# Gesichtstausch bei einem einzelnen Bild
facefusion headless-run \\
    --source-paths source_face.jpg \\
    --target-path target_image.jpg \\
    --output-path result.jpg \\
    --face-swapper-model inswapper_128

# Gesichtstausch im Video
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"
)

# Bild verarbeiten
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

Videoverarbeitung

# Vollständiger Gesichtstausch im Video 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}")

Benutzerdefinierte Gradio-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="Quellgesicht"),
        gr.Image(type="filepath", label="Zielbild"),
        gr.Checkbox(label="Ergebnis verbessern", value=True)
    ],
    outputs=gr.Image(label="Ergebnis"),
    title="FaceFusion - Gesichtstausch",
    description="Professioneller Gesichtstausch auf CLORE.AI-Servern"
)

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

Qualitätseinstellungen

Swap-Modelle

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

Verbesserungsmodelle

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

Leistung

Aufgabe	Auflösung	GPU	Zeit
Einzelbild	1024x1024	RTX 3090	0,5 s
Einzelbild	1024x1024	RTX 4090	0,3 s
Video (1 Min.)	1080p	RTX 4090	5 Min.
Video (1 Min.)	1080p	A100	3 Min.

Häufige Probleme & Lösungen

Gesicht nicht erkannt

Problem: "Kein Gesicht in Quelle/Ziel gefunden"

Lösungen:

• Stellen Sie sicher, dass das Gesicht klar sichtbar ist

• Das Gesicht sollte mindestens 64x64 Pixel groß sein

• Frontale oder leicht seitliche Fotos verwenden

• Gute Beleuchtung erforderlich

Schlechte Qualität beim Gesichtstausch

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

Langsame Videobearbeitung

Problem: Dauert zu lange für Videos

Lösungen:

• CUDA-Ausführungsanbieter verwenden

• Thread-Anzahl erhöhen

• Für Geschwindigkeit fp16-Modell verwenden

• Für beste Leistung auf A100 verarbeiten

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:

• Gesichtsfarbkorrektur aktivieren

• Beleuchtung zwischen Quelle und Ziel anpassen

• Nachbearbeitung mit Farbkorrektur

Speicherprobleme

Problem: Nicht genügend Speicher beim Video

Lösungen:

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

Fehlerbehebung

Schlechte Face-Swap-Qualität

• Höher aufgelöste Quellbilder verwenden

• Für gute Beleuchtung in beiden Bildern sorgen

• Verschiedene Gesicht-Verbesserungsmodelle ausprobieren

"Kein Gesicht erkannt"

• Das Gesicht muss klar sichtbar sein

• Seitenprofile vermeiden

• Prüfen, dass das Bild nicht zu klein ist

Videoverarbeitung hängt

• Große Videos benötigen mehr RAM

• In kleineren Abschnitten verarbeiten

• SSD-Speicher für temporäre Dateien verwenden

Modelle werden nicht heruntergeladen

• Internetverbindung prüfen

• Ausführen mit --download-models Schalter

• Manuell von HuggingFace herunterladen

Kostenschätzung

Übliche CLORE.AI-Marktplatzpreise (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

Die Preise variieren je nach Anbieter und Nachfrage. Prüfen Sie CLORE.AI-Marktplatz für aktuelle Preise.

Geld sparen:

• Nutzen Sie den Spot Markt für unterbrechbare Arbeit — etwa ein Drittel der Server bietet Spot-Preise unter dem On-Demand-Preis (Median ca. 13 % Rabatt), der Rest ist gleichauf

• Bezahlen Sie mit CLORE Tokens

• Vergleichen Sie Preise zwischen verschiedenen Anbietern

Nächste Schritte

• InstantID - Identitätserhalt

• LivePortrait - Porträtanimation

• GFPGAN - Gesichtswiederherstellung