FaceFusion系列1: AI换脸安装指南
FaceFusion，新一代的AI换脸和人脸增强工具。自从Deepfacelive停止更新之后，越来越多的用户开始寻找稳定更新的AI换脸技术，而这其中Facefusion以其用户友好的界面和卓越的性能成为了新宠。本篇博文会详细指导你如何在云GPU上部署最新版的Facefusion，并调整各种换脸参数，来完成各种AI人脸替换效果。
项目预览
准备工作
本教程会带你了解如何准备环境，安装Facefusion的Python包，准备素材，并进行参数调整。
我们将利用以下开源代码库：
Facefusion AI换脸工具
Facefusion: Github地址 - Facefusion GitHub
FaceFusion，作为全新的一代AI换脸工具，特点是无需复杂安装，一键即可运行，支持去遮挡、高清化、卡通脸替换，同时兼容Nvidia/AMD等各种显卡，非常适合各种平台使用。
安装教程
配置GPU实例
请点击以下链接，获得详细的交互式指导：LooPIN流动性池
1. LooPIN流动性池：
首先，访问LooPIN的流动性池（LooPIN Network Pool），在那里你可以使用$LOOPIN代币来购买GPU时间。例如，选择RTX 3080 GPU，你可以根据自己的需求和预算，在GPU UserBenchmark 中挑选最适合的GPU型号。
2. 代币兑换GPU资源：
- 选择你需要的$LOOPIN代币数量。
- 使用滑块选择你需要的GPU数量。
- 确认你的选择并完成交易。
3. 进入Jupyter Notebook：
交易完成后，进入Rented Servers区域下的Server选项，通过远程服务器访问Jupyter Notebook。一般来说，启动实例需要2-4分钟。
4. 用nvidia-smi验证GPU：
在Jupyter Notebook中，打开一个新的终端窗口，执行nvidia-smi命令，以确认GPU已被正确激活。
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.54.15 Driver Version: 550.54.15 CUDA Version: 12.4 |
|-----------------------------------------+------------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+========================+======================|
| 0 NVIDIA GeForce RTX 3080 Off | 00000000:01:00.0 Off | N/A |
| 0% 39C P8 21W / 350W | 12MiB / 12288MiB | 0% Default |
| | | N/A |
+-----------------------------------------+------------------------+----------------------+
+-----------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=========================================================================================|
+-----------------------------------------------------------------------------------------+
安装Facefusion相关依赖
- 安装
ffmpeg
apt update && apt install ffmpeg
- 安装
conda
curl -LO https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
安装完conda后，为了使设置生效，需要重启你的终端。
- 下载
Facefusion最新版本
git clone https://github.com/facefusion/facefusion
cd facefusion
- 安装
Facefusion依赖
python install.py
在安装过程中，根据本教程，我们选择最新的onnxruntime版本，即cuda-12.2。
启动Gradio内网穿透
Gradio是一个用于创建机器学习模型交互式界面的Python库。通过Gradio，你可以为你的模型快速构建一个可视化的、易于使用的Web界面，无需编写任何前端代码。我们将通过Gradio将内网端口7860映射到公网上。
在facefusion/uis/layouts/目录下新建文件share.py
import gradio
from facefusion.uis.layouts import default
def pre_check() -> bool:
return default.pre_check()
def pre_render() -> bool:
return default.pre_render()
def render() -> gradio.Blocks:
return default.render()
def listen() -> None:
default.listen()
def run(ui : gradio.Blocks) -> None:
ui.launch(show_api = False, share = True)
返回到facefusion目录下，重新启动run.py
python run.py --ui-layouts share
完成后，你会看到以下信息：
Running on local URL: http://127.0.0.1:7860
Running on public URL: https://e41b4898c4fad7cc83.gradio.live
This share link expires in 72 hours. For free permanent hosting and GPU upgrades, run `gradio deploy` from Terminal to deploy to Spaces (https://huggingface.co/spaces)
现在，你可以通过你的独特的URL连接访问Facefusion界面。
在下一个教程中，我们将介绍Facefusion的基本操作和设置，完成一键换脸。
总结
- AI换脸工具： 介绍了FaceFusion作为新一代的AI换脸和人脸增强工具，特点包括用户友好的界面和卓越的性能。
- 安装教程： 分步骤指导用户如何配置GPU实例，安装和启动FaceFusion，包括环境配置、conda安装、ffmpeg安装、下载和安装FaceFusion依赖。
- GPU配置： 通过LooPIN流动性池购买GPU时间，使用$LOOPIN代币，并验证GPU激活状态。
- 内网穿透与公网接入： 介绍了如何使用Gradio进行内网穿透，使FaceFusion服务能够在公网上访问。
本文更新于 2024年5月1日