FaceFusion

Permutation et amélioration professionnelles de visages sur les GPU Clore.ai

Outil professionnel d'échange et d'amélioration de visage.

Tous les exemples peuvent être exécutés sur des serveurs GPU loués via la place de marché CLORE.AI.

Louer sur CLORE.AI

Visitez la place de marché CLORE.AI
Filtrez par type de GPU, VRAM et prix
Choisissez À la demande (tarif fixe) ou Spot (prix d'enchère)
Configurez votre commande :
- Sélectionnez l'image Docker
- Définissez les ports (TCP pour SSH, HTTP pour les interfaces web)
- Ajoutez des variables d'environnement si nécessaire
- Entrez la commande de démarrage
Sélectionnez le paiement : CLORE, BTC, ou USDT/USDC
Créez la commande et attendez le déploiement

Accédez à votre serveur

Trouvez les détails de connexion dans Mes commandes
Interfaces web : utilisez l'URL du port HTTP
SSH : ssh -p <port> root@<proxy-address>

Qu'est-ce que FaceFusion ?

FaceFusion propose :

Échange de visages de haute qualité
Amélioration du visage
Modification de l'âge
Transfert d'expression
Traitement vidéo

Ressources

GitHub : facefusion/facefusion
Documentation : docs.facefusion.io
Discord : Communauté FaceFusion

Matériel recommandé

Composant

Minimum

Recommandé

Optimal

GPU

RTX 3060 12 Go

RTX 4080 16 Go

RTX 4090 24 Go

VRAM

8 Go

16 Go

24GB

CPU

8 cœurs

16 cœurs

32 cœurs

RAM

16 Go

32 Go

64 Go

Stockage

SSD de 50 Go

NVMe de 100 Go

NVMe de 200 Go

Internet

100 Mbps

500 Mbps

1 Gbps

Déploiement rapide sur CLORE.AI

Image Docker :

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

Ports :

22/tcp
7860/http

Commande :

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

Accéder à votre service

Après le déploiement, trouvez votre http_pub URL dans Mes commandes:

Accédez à Mes commandes la page
Cliquez sur votre commande
Trouvez le http_pub URL (par ex., abc123.clorecloud.net)

Utilisez https://YOUR_HTTP_PUB_URL au lieu de localhost dans les exemples ci-dessous.

Installation


# Installer FaceFusion
pip install facefusion

# Ou depuis les sources
git clone https://github.com/facefusion/facefusion.git
cd facefusion
pip install -r requirements.txt

Ce que vous pouvez créer

Divertissement

Préparation du doublage de films
Contenu créé par des fans
Création de mèmes

Professionnel

Essayage virtuel pour la mode
Marketing personnalisé
Protection de la vie privée dans les vidéos

Projets créatifs

Installations artistiques
Effets pour clips musicaux
Production de courts métrages

Important : Utilisez toujours de manière responsable et avec consentement.

Utilisation de base

Interface web


# Démarrer l'interface web
facefusion run --ui-layouts default

# Accéder à http://localhost:7860

Ligne de commande


# Échange de visage sur une image unique
facefusion headless-run \
    --source-paths source_face.jpg \
    --target-path target_image.jpg \
    --output-path result.jpg \
    --face-swapper-model inswapper_128

# Échange de visage sur une vidéo
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

API Python

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

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

# Traiter l’image
result = swapper.process(
    source_image="source_face.jpg",
    target_image="target.jpg"
)

result.save("swapped.jpg")

Amélioration du visage


# Améliorer la qualité du visage
facefusion headless-run \
    --target-path input.jpg \
    --output-path enhanced.jpg \
    --face-enhancer-model gfpgan_1.4 \
    --face-enhancer-blend 80

Visages multiples


# Échanger des visages spécifiques
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

Traitement vidéo


# Échange complet de visage sur vidéo avec amélioration
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

Traitement par lots

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

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

# Visage source
source = "my_face.jpg"

# Images cibles
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"Traitement : {target}")

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

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

Interface personnalisée Gradio

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="Visage source"),
        gr.Image(type="filepath", label="Image cible"),
        gr.Checkbox(label="Améliorer le résultat", value=True)
    ],
    outputs=gr.Image(label="Résultat"),
    title="FaceFusion - Échange de visages",
    description="Échange de visages professionnel sur les serveurs CLORE.AI"
)

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

Paramètres de qualité

Modèles d'échange

Modèle

Qualité

Vitesse

VRAM

inswapper_128

Bon

Rapide

4 Go

inswapper_128_fp16

Bon

Plus rapide

2GB

simswap_256

Meilleur

Moyen

6 Go

simswap_512

Meilleur

Lent

10GB

Modèles d'amélioration

Modèle

Qualité

Vitesse

gfpgan_1.4

Excellent

Moyen

codeformer

Meilleur

Lent

gpen_bfr_512

Bon

Rapide

Performances

Tâche

Résolution

GPU

Temps

Image unique

1024x1024

RTX 3090

0.5s

Image unique

1024x1024

RTX 4090

0.3s

Vidéo (1 min)

1080p

RTX 4090

5 min

Vidéo (1 min)

1080p

A100

3 min

Problèmes courants et solutions

Visage non détecté

Problème : "Aucun visage trouvé dans la source/la cible"

Solutions :

Assurez-vous que le visage est bien visible
Le visage doit mesurer au moins 64x64 pixels
Utilisez des photos de face ou avec un léger angle
Un bon éclairage est requis

Échange de mauvaise qualité

Problème : Le résultat paraît artificiel

Solutions :


# Utilisez un meilleur modèle et amélioration
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

Traitement vidéo lent

Problème : Prend trop de temps pour la vidéo

Solutions :

Utilisez le fournisseur d'exécution CUDA
Augmentez le nombre de threads
Utilisez le modèle fp16 pour la vitesse
Traitez sur A100 pour de meilleures performances

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

Discordance des couleurs

Problème : Le visage échangé a une couleur différente

Solutions :

Activez la correction des couleurs du visage
Faites correspondre l'éclairage entre la source et la cible
Appliquez un étalonnage des couleurs en post-traitement

Problèmes de mémoire

Problème : Mémoire insuffisante pour la vidéo

Solutions :


# Réduisez l'utilisation de la mémoire
facefusion headless-run \
    --video-memory-strategy tolerant \
    --execution-thread-count 2

Dépannage

Qualité de l'échange de visage médiocre

Utilisez des images sources à plus haute résolution
Assurez un bon éclairage dans les deux images
Essayez différents modèles d'amélioration du visage

"Aucun visage détecté"

Le visage doit être clairement visible
Évitez les profils de côté
Vérifiez que l'image n'est pas trop petite

Traitement vidéo bloqué

Les grandes vidéos nécessitent plus de RAM
Traitez par segments plus petits
Utilisez un stockage SSD pour les fichiers temporaires

Les modèles ne se téléchargent pas

Vérifiez la connexion Internet
Lancez avec --download-models indicateur
Téléchargez manuellement depuis HuggingFace

Estimation des coûts

Tarifs typiques du marché CLORE.AI (en 2024) :

GPU

Tarif horaire

Tarif journalier

Session de 4 heures

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 40 Go

~$0.17

~$4.00

~$0.70

A100 80 Go

~$0.25

~$6.00

~$1.00

Les prix varient selon le fournisseur et la demande. Vérifiez la place de marché CLORE.AI les tarifs actuels.

Économisez de l'argent :

Utilisez le Spot marché pour les travaux interrompables — environ un tiers des serveurs ont un prix spot inférieur au tarif à la demande (médiane ~13 % de remise), les autres s'alignent dessus
Payez avec CLORE jetons
Comparez les prix entre différents fournisseurs

Étapes suivantes

InstantID - Préservation de l'identité
LivePortrait - Animation de portrait
GFPGAN - Restauration du visage

PrécédentAperçu

SuivantInstantID

Mis à jour il y a 1 mois

Ce contenu vous a-t-il été utile ?