FaceFusion 面部融合

在 Clore.ai GPU 上进行专业面部替换与增强

专业的人脸替换与增强工具。

所有示例都可以在通过以下方式租用的 GPU 服务器上运行： CLORE.AI 市场.

在 CLORE.AI 上租用

1. 访问 CLORE.AI 市场

2. 按 GPU 类型、显存和价格筛选

3. 选择 按需 （固定费率）或 竞价 （出价价格）

4. 配置您的订单：

   • 选择 Docker 镜像

   • 设置端口（用于 SSH 的 TCP，Web 界面的 HTTP）

   • 如有需要，添加环境变量

   • 输入启动命令

5. 选择支付方式： CLORE, BTC，或 USDT/USDC

6. 创建订单并等待部署

访问您的服务器

• 在以下位置查找连接详情： 我的订单

• Web 界面：使用 HTTP 端口的 URL

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

什么是 FaceFusion？

FaceFusion 提供：

• 高质量人脸替换

• 人脸增强

• 年龄修改

• 表情迁移

• 视频处理

资源

• GitHub： facefusion/facefusion

• 文档： docs.facefusion.io

• Discord： FaceFusion 社区

推荐硬件

组件	最低	推荐	最佳
GPU	RTX 3060 12GB	RTX 4080 16GB	RTX 4090 24GB
显存	8GB	16GB	24GB
CPU	8 核	16 核	32 核心
内存	16GB	32GB	64GB
存储	50GB SSD	100GB NVMe	200GB NVMe
网络	100 Mbps	500 Mbps	1 Gbps

在 CLORE.AI 上快速部署

Docker 镜像：

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

端口：

22/tcp
7860/http

命令：

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

访问您的服务

部署后，在以下位置查找您的 http_pub URL： 我的订单:

1. 前往 我的订单 页面

2. 单击您的订单

3. 查找 http_pub URL（例如， abc123.clorecloud.net)

使用 https://YOUR_HTTP_PUB_URL 而不是 localhost 在下面的示例中。

安装

# 安装 FaceFusion
pip install facefusion

# 或从源码安装
git clone https://github.com/facefusion/facefusion.git
cd facefusion
pip install -r requirements.txt

您可以创建的内容

娱乐

• 电影配音准备

• 粉丝创作内容

• 表情包制作

专业

• 时尚虚拟试穿

• 个性化营销

• 视频隐私保护

创意项目

• 艺术装置

• 音乐视频特效

• 短片制作

重要： 始终负责任且在获得同意的情况下使用。

基本用法

网页界面

# 启动网页 UI
facefusion run --ui-layouts default

# 在 http://localhost:7860 访问

命令行

# 单张图像人脸替换
facefusion headless-run \
    --source-paths source_face.jpg \
    --target-path target_image.jpg \
    --output-path result.jpg \
    --face-swapper-model inswapper_128

# 视频人脸替换
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

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

# 处理图像
result = swapper.process(
    source_image="source_face.jpg",
    target_image="target.jpg"
)

result.save("swapped.jpg")

人脸增强

# 提升人脸质量
facefusion headless-run \
    --target-path input.jpg \
    --output-path enhanced.jpg \
    --face-enhancer-model gfpgan_1.4 \
    --face-enhancer-blend 80

多人脸

# 替换指定人脸
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

视频处理

# 带增强的全视频人脸替换
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

"专业影棚柔光箱"

批处理处理
from facefusion import core
from facefusion.processors.frame.face_swapper import FaceSwapper

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

# 源人脸
source = "my_face.jpg"

# 目标图像
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"Processing: {target}")

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

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

Gradio 自定义界面

print(f"已生成：{name}")
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
    )
    num_inference_steps=steps,

demo = gr.Interface(
    fn=swap_faces,
    inputs=[
        gr.Image(type="filepath", label="Source Face"),
        gr.Image(type="filepath", label="Target Image"),
        gr.Checkbox(label="Enhance Result", value=True)
    ],
    outputs=gr.Image(label="Result"),
    title="FaceFusion - 人脸替换",
    description="在 CLORE.AI 服务器上的专业人脸替换"
)

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

质量设置

替换模型

A100	质量	性能	显存
inswapper_128	良好	快速	4GB
inswapper_128_fp16	良好	更快	2GB
simswap_256	更好	中等	6GB
simswap_512	最佳	慢	10GB

增强模型

A100	质量	性能
gfpgan_1.4	很棒	中等
codeformer	最佳	慢
gpen_bfr_512	良好	快速

background = Image.open("studio_bg.jpg")

任务	分辨率	GPU	时间
单张图片	RTX 4090	速度	0.5s
单张图片	RTX 4090	512x512	0.3s
视频（1 分钟）	1080p	512x512	5 分钟
视频（1 分钟）	1080p	2s	3 分钟

IC-Light-FBC

未检测到人脸

与背景合成 "在源/目标中未找到人脸"

光照未改变

• 确保人脸清晰可见

• 人脸应至少为 64x64 像素

• 使用正面或略微侧角的照片

• 需要良好的光照

替换质量差

与背景合成 结果看起来不自然

光照未改变

# 使用更好的模型和增强
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

视频处理缓慢

与背景合成 视频处理耗时过长

光照未改变

• 使用 CUDA 执行提供者

• 增加线程数量

• 使用 fp16 模型以提高速度

• 在 A100 上处理以获得最佳性能

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

颜色不匹配

与背景合成 替换的人脸颜色不同

光照未改变

• 启用人脸色彩校正

• 匹配源与目标之间的光照

• 使用色彩分级后处理

内存问题

与背景合成 视频内存不足

光照未改变

# 减少内存使用
facefusion headless-run \
    --video-memory-strategy tolerant \
    --execution-thread-count 2

# 使用固定种子以获得一致结果

人脸替换质量差

• 使用更高分辨率的源图像

• 确保两张图像都有良好光照

• 尝试不同的人脸增强模型

"未检测到人脸"

• 人脸必须清晰可见

• 避免侧面轮廓照

• 检查图像是否过小

视频处理卡住

• 大型视频需要更多内存（RAM）

• 将处理分成更小的段进行

• 对临时文件使用 SSD 存储

模型未下载

• 检查网络连接

• 使用以下方式运行 --download-models 标志

• 从 HuggingFace 手动下载

下载所有所需的检查点

检查文件完整性

GPU	验证 CUDA 兼容性	费用估算	CLORE.AI 市场的典型费率（截至 2024 年）：
按小时费率	~$0.03	~$0.70	~$0.12
速度	~$0.06	~$1.50	~$0.25
512x512	~$0.10	~$2.30	~$0.40
按日费率	~$0.17	~$4.00	~$0.70
4 小时会话	~$0.25	~$6.00	~$1.00

RTX 3060 CLORE.AI 市场 A100 40GB

A100 80GB

• 使用 竞价 价格随提供商和需求而异。请查看

• 以获取当前费率。 CLORE 节省费用：

• 市场用于灵活工作负载（通常便宜 30-50%）

使用以下方式支付

• InstantID - 身份保留

• LivePortrait - 肖像动画

• GFPGAN - 人脸修复