目录
一、前言
二、云端部署准备工作
三、安装Facefusion
3.1、进入终端界面
3.2、拉取git代码
3.3、创建虚拟环境
3.4、安装必要依赖
四、运行Facefusion
五、使用Facefusion
5.1、快速开始
5.2、参数讲解
六、总结
FaceFusion是一款开源的AI换脸工具，它能够将一个人的脸部特征替换到另一个人的身体上，实现面部表情和动作的同步。这种技术可以用于制作电影、游戏、社交媒体等多种领域，带来丰富的娱乐和创意效果。
Facefusion：GitHub - facefusion/facefusion: Next generation face swapper and enhancer
Facefusion官方教程：Introduction - FaceFusion
云端部署的优点主要包括以下几点：
① 灵活性：云端部署使得用户可以直接在本地进行数据传输和查询，缓解数据传输速度和存储网络的限制。同时，云端技术能够快速地进行升级和更新，以保证系统的安全和稳定性。
② 可扩展性：云端部署可以自动扩展，根据需求自动增加或减少资源，避免数据量超过一台服务器或当前机器所能承受的范围。
③ 成本效益：云端部署不需要前期成本，而是采用运营费用（OpEx）模式，用户只需按需付费。同时，云服务提供商负责软件和硬件的维护、兼容性和升级，降低用户的IT负担。
④ 安全性：云端部署提供了高水平的安全性，采用数据中心的安全措施，保护数据在云中的安全。同时，云服务提供商负责备份和灾难恢复，确保数据可靠性和可用性。
⑤ 全球访问：云端部署使得用户可以从任何有网络连接的地方访问应用程序，提高了全球范围内的可用性和可访问性。
综上所述，FaceFusion的云端部署可以带来灵活性、可扩展性、成本效益、安全性和全球访问等优点，使得这种AI技术更加普及和可用。
云端部署Facefusion需要一些准备工作，首先需要选择一个可靠的云服务器算力平台，这里我推荐仙宫云算力平台，仙宫云算力平台是一个云端部署工具，它提供高性能的GPU算力服务，用于部署AI和机器学习应用。该平台可以快速搭建AI和机器学习环境，提供弹性计费和秒级部署服务。用户可以在平台上选择不同的GPU型号和配置，以满足不同的计算需求。
仙宫云网址：仙宫云 | GPU 算力租赁 | Xiangongyun.com
打开网页后，首先需要注册登录，首次注册登录，即是新用户是会赠送5元的代金券，填写我的邀请码还会有额外的3元代金券自动领取。（邀请码：SJ2FNK）
接着点击左上角的部署GPU计算容器，选择RTX4090
然后点击“公共镜像”，选择一个ubuntu的公共镜像，然后点击“确认部署”
等待一会，容器实例就创建完成啦~🫰
首先点击Jupyter进入终端界面，开始安装Facefusion
首先为当前终端会话启用学术加速，目的是为了待会git拉取代码的时候速度变快点。
接着使用git拉取Facefusion代码到云端文件夹下
在安装相关的依赖之前，先要创建虚拟环境，目的是为了管理不同项目的Python环境，通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项，避免不同项目之间的冲突。
① 创建虚拟环境：运行以下命令来创建一个新的虚拟环境，可以将<env_name>替换为你自己喜欢的环境名称，例如：“facefusion”
例如我这里创建一个名为“face”的虚拟环境，其中python版本为3.10.6，可以运行：
② 激活虚拟环境：运行以下命令来激活刚刚创建的虚拟环境。
激活虚拟环境后，您将看到虚拟环境的命令提示符前缀显示为(face)。这意味着您现在正在使用该虚拟环境的Python解释器。
好啦，现在可以正式安装Facefusion依赖了，首先进入facefusion的路径，运行以下命令
接着运行以下命令进行安装依赖项
最后运行以下指令运行Facefusion
有这个链接出现就证明安装依赖没问题了，可以直接运行了。
当然，如果你说点击这个链接为什么无法访问，那么我下面教的可能是你需要的啦~
首先回到容器实例，点击“仙宫云OS”，进入云平台可视化界面。
接着点击“系统磁盘”，一步步进入到facefusion文件夹下，点击鼠标右击创建文件“run.sh”，为后续写shell脚本打基础。
然后右击run.sh进入编辑界面，输入以下脚本代码。（输入完后记得保存喔）
接下来给脚本文件添加执行权限，这是一个重要的步骤，这样你才能直接运行它。在Linux中，你可以使用'chmod'命令来修改文件的权限。对于你的脚本，你需要给它"执行"权限。首先打开一个终端窗口，使用‘cd’命令导航到脚本文件所在的目录。运行以下命令：
这个命令做了什么：
- `chmod` 是用来改变文件权限的命令。
- `+x` 表示添加执行权限。
- `run.sh` 是你的脚本文件名。
然后我们需要将脚本文件转换为Linux格式，可以使用如dos2unix这样的工具来实现这一点。如果您没有安装dos2unix，可以使用以下命令安装：
然后，使用以下命令转换您的脚本文件：
完成这些步骤后，你的脚本就有了执行权限，可以通过以下命令直接运行：
（记得在facefusion目录下运行执行命令喔！）
最后最后，关键一步来了，我们需要添加开放端口，在终端执行以下命令：
刷新桌面后，就会出现一个“80端口web”的文件夹，然后双击这个文件夹，进入文件里面后，编辑info.yaml，根据以下命令来进行编辑就行。（记得点击保存按钮！）
配置好后，记得保存。然后打开一个新的终端，分别输入以下命令：
出现网址后，双击桌面上的Facefusion，就可以打开Facefusion的GUI界面啦~
完整界面如下：
这样看上去好复杂好多英文都看不懂，没事的，看完下面详情的解释说明就明白怎么使用它了。
其实核心的功能操作非常简单，根据下面的图片来操作就行啦。
① 目标人脸（source）：拖放文件或者点击上传图片即可。
② 目标图像（Target）：这个Target可以是图片，也可以是视频喔。
③ 效果预览（Preview）：一旦选中目标之后，软件里面就开始运行，运行之后会把合成预览显示在这个区域。
④ 开始换脸（start）：一切都准备好后，点击“start”就可以开始运行了。
⑤ 查看结果（output）：换脸成功之后，会把结果显示在这里。
下面讲解一下左边参数设置栏。
帧率处理器（frame PROCESSORS）：包括了基础的Face Swapper（面部交换）、Face Enhancer（面部增强）、frame Enhancer（帧增强）、Face Debugger（面部调试）这四种。
1. **Face Swapper（面部交换）**：（这个是必须要选的！）
- 指的是一种技术或工具，能够识别照片中的人脸并将其与另一张照片中的人脸交换。2. **Face Enhancer（面部增强）**：
- 这种技术旨在改善照片中人脸的质量，包括但不限于清晰度、肤色、去除皱纹或瑕疵等。面部增强可以是自动的，通过软件算法识别并优化人脸特征。3. **frame Enhancer（帧增强）**：
- 主要用于视频处理，指的是提高视频帧的质量，包括提高分辨率、改善动态范围、颜色校正等。帧增强技术可以使视频看起来更清晰、更流畅，特别是在将低分辨率视频转换为高分辨率输出时。4. **Face Debugger（面部调试）**：
- 用于识别和修正面部识别系统中的错误或问题。例如，它可能涉及到调整算法以更准确地识别不同的面部特征或表情，或者修正在面部追踪、分析过程中出现的错误。
面部交换模型（FACE SWAPPER MODEL）：blendswap_256、inswapper_128、inswapper_128_fp16、simswap_256、simswap_512_unofficial。
它们在功能、分辨率和可能的性能优化方面有所不同。面部交换技术通常涉及深度学习和人工智能，以在图像或视频中自动识别和替换面孔。下面是对这些模型名称的一般解释：
1. **blendswap_256**：
- 这个模型可能专注于将两张图像中的面孔进行混合和交换，`256`可能表示模型工作的图像分辨率或输出分辨率是256x256像素。这种分辨率适合于较小的图像和需要快速处理的应用。2. **inswapper_128** 和 **inswapper_128_fp16**：
- 这两个模型似乎是专为面部交换设计的，`128`同样指的是处理的图像分辨率为128x128像素。`fp16`后缀表明该模型使用16位浮点数（FP16）进行计算，这通常意味着它在保持足够精度的同时，能够减少计算资源的需求，加快处理速度，特别适用于资源有限的环境或需要实时处理的应用。3. **simswap_256**：
- 这个模型可能采用了某种相似性交换算法，`256`指的是模型处理的分辨率为256x256像素。这种模型可能在保持原图像质量的同时，能够实现高质量的面部交换效果。4. **simswap_512_unofficial**：
- 与`simswap_256`类似，但`512`表明这个版本的模型支持更高的分辨率，即512x512像素，能够生成更高清晰度的面部交换结果。`unofficial`可能意味着这个版本不是官方发布的，或者是社区成员基于原始模型进行的修改或扩展。每个模型的具体实现和性能可能会根据其设计和优化而有所不同。使用16位浮点数（如`inswapper_128_fp16`）是一种优化技术，可在不显著影响输出质量的情况下加速模型运行。更高的分辨率（如`simswap_512`）能够提供更细腻的细节，但也可能需要更多的计算资源和处理时间。
面部增强模型（FACE ENHANCER MODEL）：codeformer、gfpgan_1.2、gfpgan_1.3、gfpgan_1.4、gpen_bfr_256、gpen_bfr_512、restoreformer_plus_plus。
这些术语代表了不同的面部增强模型，它们利用人工智能技术，特别是深度学习，来改善或增强照片中人脸的质量。这些模型能够处理各种问题，如提高分辨率、修复损坏的图像、美化面部特征，甚至在某些情况下恢复老旧照片。下面是对这些模型的简单解释：
1. **GFPGAN**（Generative Facial Prior-GAN，生成式面部先验-生成对抗网络）：
- **gfpgan_1.2, gfpgan_1.3, gfpgan_1.4**：这些版本代表GFPGAN模型的不同迭代，数字代表版本号，随着版本号的增加，模型的性能、效果或功能可能有所改进。GFPGAN主要用于面部重建和增强，可以修复面部区域的缺陷，提高图像质量，同时尽可能保持人物的真实性。2. **CodeFormer**：
- 这是一个深度学习模型，专注于图像修复和面部增强。它可能利用编码器-解码器架构来处理图像中的瑕疵，如模糊、遮挡等，同时优化面部细节和表情的自然度。3. **GPEN**（Generative Portrait Editing Network，生成式肖像编辑网络）：
- **gpen_bfr_256, gpen_bfr_512**：这些模型用于美化和修复面部图像，数字代表模型优化处理的图像分辨率，如256x256或512x512像素。GPEN利用生成对抗网络来提升肖像照片的质量，包括面部特征的清晰度和整体图像的视觉效果。4. **RestoreFormer Plus Plus**：
- 这个模型名称暗示了它可能是基于Transformer架构的一种先进的图像恢复技术，专门设计来改善图像质量，如通过去噪、提高分辨率或修复老旧照片。"Plus Plus"可能表示这是一个进一步改进或增强的版本，提供了更好的性能或更多的功能。这些模型各自有不同的特点和应用领域，但共同目标是通过最新的AI技术改善面部图像的质量，无论是通过修复损坏的照片、提高分辨率还是进行美化处理。
面部增强融合（FACE ENHANCER BLEND）：允许用户调整面部增强效果的强度或程度。
帧率增强模型（frame ENHANCER MODEL）：是指用于提高视频帧或图像质量的人工智能模型。
"Real-ESRGAN"（Enhanced Super-Resolution Generative Adversarial Networks）是一种基于生成对抗网络（GAN）的技术，主要用于提高图像或视频帧的分辨率，同时尽量保持或增强细节的真实性和质量。下面是对每个模型的简要说明：
1. **real_esrgan_x2plus**：
- 这个模型旨在将图像分辨率提高2倍（即"x2"）。"plus"可能表示模型相对于基本版本有所改进，例如通过增加细节的恢复或优化算法来减少伪影，从而提供更自然和清晰的图像。2. **real_esrgan_x4plus**：
- 类似于"x2plus"版本，这个模型提供了4倍的分辨率提升。这意味着它可以将低分辨率图像放大到原始尺寸的4倍，同时通过先进的处理技术最大限度地保持图像质量，减少放大过程中常见的问题，如模糊和失真。3. **real_esrnet_x4plus**：
- 这个术语似乎是对"Real-ESRGAN"的一个变体或打字错误，实际可能指的是"Real-ESRGAN"的某个特定版本或相关模型，同样专注于4倍的超分辨率增强。"ESRNet"可能是另一种模型的简称，也可能是对"ESRGAN"的误称。不过，考虑到上下文，它可能旨在描述一个同样能实现4倍超分辨率提升的增强模型。
执行计算（EXECUTION PROVIDERS）：支持执行这些计算任务的后端，可以是不同类型的硬件（如CPU、GPU、TPU等）或者软件层（如特定的库或服务）。这里安装了CUDA相关的依赖项，所以使用cuda，如果只安装CPU，就使用CPU。
这篇教程详细介绍了如何云端部署AI换脸开源工具FaceFusion，并通过附带的AI工具使用指南帮助用户更好地理解和使用FaceFusion。教程涵盖了FaceFusion的简介、云端部署的优势、准备工作、部署步骤、验证部署、常见问题和解决方案等，为用户提供了一个全面的指南。通过这篇教程，用户可以轻松地掌握云端部署FaceFusion的整个过程，并利用FaceFusion进行AI换脸处理。同时，用户也可以利用附带的AI工具使用指南深入了解FaceFusion的功能和特点，从而更好地发挥其潜力。总之，这篇教程是一个非常实用的指南，帮助用户轻松地云端部署AI换脸开源工具FaceFusion，并充分利用其功能进行创意和娱乐应用。
❤️码字不易，麻烦给个免费的赞👍，谢谢🦀