FaceFusion这个AI换脸的项目已经太久没有更新了。作者终于在昨天更新了3.0，更新幅度大得惊人。这么久不更新，原来是一直在憋大招，这个CD冷却也太久了。。。我第一次时间就去做整合包了。本以为这还不是有手就行的事，但是有点难度。因为3.0更新太大了，所以之前版本的模型还有一些东西根本用不上了，我只能慢慢去研究了。搞半天最后把我的系统的conda环境搞砸了。。。然后我就各种修复结果不但没有修好，相反把我的cuda版本也搞乱了，最后导致我不得不重装了系统。我真是手欠啊。有时候冲动真的是魔鬼。最后到了午夜时分才搞好。。。然后又是打包上传上来。都是泪。。。。
这个整合包我测试了半天，按理来说应该没什么问题了，如果各位小伙伴在玩的时候有什么问题 可以留言告知一下。
先看演示吧，为了不侵犯他人的肖像之类的东西，我就只放换脸后的视频。各位参考参考，下图是AI生成的2个小姐姐，替换视频的里面的脸
下面来讲下 详细操作 点击启动后就是这么一个黑洞洞的窗口
然后打开一个链接
http://127.0.0.1:7860 这个链接在黑窗口那里复制即可
需要手动复制在浏览器里面打开
然后出来这样一个界面
经群里网友提示 简单从万能君那里复制了下翻译
其实我个人觉得这些都是简单的英文单词，一般都认识如果实在是不认识也可以用浏览器翻译下
完全没有必要去单独做汉化了
下面已经就是正经开始操作
点这里选择你要换的脸
这里选择你要换的视频，然后输出质量选100
比如我换的这个小姐姐的视频 其他都不要动。点最下面的开始
看到开始读秒就说明开始了，在黑洞洞那个窗口也会有各种文字滚动
等完成以后 会有提示Processing to video succeed
点击如图所示的地方 把视频保存到你要保存的地方
下面是最新版截图
视频也会自动保存在整合包里面的output目录下。
操作就是这么简单。其他参数都默认即可 不要动。第一次运行会慢一些，因为会自动下载一些对应的模型，请耐心等待，下载好后以后再运行就速度很快了。
下面是我使用了这个工具几天的一点心得。
首先 换脸的文件 不要有中文名字和中文路径，否则很容易报错
其次 电脑的用户名 一定要是英文，否则也会报错
再次 换脸的图片 必须是正面 而且要高清一点点，如我上面的小姐姐所示，可以参考下
否则就会提示这个错误
因为我的显卡是A卡，又是比较老旧的A卡 rx580了 所以不支持用显卡来跑，只能用cpu慢慢跑。但是效率也还可以。
现在已经已经支持了A卡，显卡效率远超CPU。
下面是进阶教程。
这个工具启动后有很多默认的参数，如果你想修改这些参数，可以用记事本打开运行.bat这个文件，记得先备份好这个文件
call py310\python.exe run.py --skip-download --temp-frame-format png --output-video-quality 100 -o output --system-memory-limit 24 --output-video-preset superfast --frame-processors face_swapper face_enhancer --face-enhancer-model restoreformer_plus_plus --face-swapper-model uniface_256 --execution-thread-count 8 --face-detector-model retinaface --face-detector-size 160x160,320x320
找到如上一段代码，下面是这段代码的解释
--skip-download: 这个参数可能表示跳过下载某些资源或数据。
--temp-frame-format png: 临时帧的格式设置为PNG。
--output-video-quality 100: 输出视频的质量设置为100（通常是最高质量）。
-o output: 设置输出目录或文件名为 output。
--system-memory-limit 24: 系统内存限制设置为24GB（或可能是其他单位，具体取决于脚本如何实现）。
--output-video-preset superfast: 输出视频的预设设置为“superfast”，这通常与视频编码速度有关，可能牺牲了一些质量以获得更快的编码速度。
--frame-processors face_swapper face_enhancer: 指定两个帧处理器：face_swapper 和 face_enhancer，它们可能分别用于人脸交换和人脸增强。
--face-enhancer-model restoreformer_plus_plus: 为 face_enhancer 帧处理器指定模型为 restoreformer_plus_plus。
--face-swapper-model uniface_256: 为 face_swapper 帧处理器指定模型为 uniface_256。
--execution-thread-count 8: 执行线程数设置为8，这意味着脚本将使用8个线程来并行处理。
--face-detector-model retinaface: 指定人脸检测模型为 retinaface。
--face-detector-size 160x160,320x320: 人脸检测器的大小或分辨率设置为160x160和320x320两种尺寸。
这些注释我懒得去手动打字了，用AI帮我注释的，我大致看了下没什么大问题，估计各位小伙伴都能看明白就行了，更改这些参数就可以更改facefusion启动后的默认参数
我举个例子 你们就明白了
--face-swapper-model uniface_256 如果想改一个默认的模型 可以改成
--face-swapper-model inswapper_128 这样启动后的默认模型就改了
其他就看你们自由发挥了，想获取更详细的参数说明可以去看官方开源项目那里看看了。
3.0 更新记录
改造架构，让一切都成为工作
为换脸器引入像素提升
为面部检测器添加多角度处理
引入年龄修正处理器
推出基于Live Portrait的表情恢复处理器
推出Live Portrait人脸编辑处理器
用resnet_34模型替换人脸解析器
发布GHOST换脸模特
释放帧增强器real_esrgan_x8型号
介绍SimSwap和GHOST的ArcFace转换器模型
基于本地哈希验证引入离线优先资产
将gender_age替换为高级公平脸模型
将顺序、年龄和性别转移到面部选择器
支持CUDA 12.4、TensorRT 10.4、OpenVino 2024.1和ROCm 6.2
在无头模式下提供适当的错误代码
将CLI迁移到命令以及相关参数
介绍定制的peppa_wutz人脸地标模型
介绍——人脸地标模型论证
介绍——输出音频编码器参数
添加视频编码器h264_videotobox和hevc_videototoolbox
将--face选择器顺序默认值更改为大-小
用上下文感知推理管理器替换全局变量
调整UI布局和视觉外观
更新至最新Gradio 4
提供多范围滑块来修剪视频帧
在UI中引入日志级别感知终端组件
确保基准测试结果更加准确
由于精度低，删除面部检测器模型yunet
修复面部切换统一模型中的闪烁问题
修复ROCm和DirectML的线程和预览崩溃问题
修复webp图像的图像质量
修复ffmpeg处理的终止
https://www.myhelen.cn/helen/240.htm
https://www.myhelen.cn/helen/242.htm
https://www.myhelen.cn/helen/246.htm
https://www.myhelen.cn/helen/250.htm 最新N卡教程
有问题 需要解答，请先告知自己的显卡参数以及下载的是哪个版本，我没有未卜先知的能力，上面的教程麻烦先看看再问！
下面是几个必须要安装的软件否则运行不了
运行库不管是什么卡都要安装
https://www.jian27.com/html/2290.html
AMD显卡 AMD HIP SDK必须安装3.0 以后只能使用CPU运行了
下载地址
https://pan.quark.cn/s/f5f86d769394
https://drive.uc.cn/s/eab589fe1a1d4
https://pan.baidu.com/s/1c65OrFR18AuHOvTH56Yu7Q?pwd=6666
修改facefusion2.6.1 缓存目录的方法
https://www.myhelen.cn/helen/253.htm
修改facefusion 3.0 缓存目录的方法
https://www.myhelen.cn/helen/263.htm
请勿将该工具用于任何非法行为，由此产生的一切后果自负
999
牛
顶顶顶顶
NIUBI
cpu
可以一次换一个文件夹的图片吗
这个不行，另外还有一个roop_unleashed可以
赶紧试试
牛鼻，厉害啊，感谢大神分享
绝绝子绝绝子绝绝子绝绝子
学习学习
支持一下
厉害！
学习一下
谢谢大佬
厉害！
感谢分享
学习一下
来学习看看
厉害！
谢谢大佬
牛啊。下啦试试
感谢楼主
牛牛牛
学习一下
学习了 ，多谢分享
牛啊这个 开源
谢谢大神分享！
谢谢大佬分享
来学习了，研究下怎么搞
牛逼，支持！
可以不错
感谢大佬
nice bucuo
感谢
学习一下
2303
感谢分享
感谢分享
感谢大佬分享经验
牛鼻
感谢楼主
谢谢大神分享！
达瓦
大佬牛逼！
喜悦和小天鹅
感谢分享
太强大了
学习学习
学习学习
学习学习