Industry leading face manipulation platform.
facefusion/
├── facefusion/ # 核心源代码目录
│ ├── processors/ # 图像处理模块
│ │ ├── modules/ # 各种处理功能模块
│ │ │ ├── face_swapper/ # 人脸交换模块
│ │ │ ├── face_enhancer/ # 人脸增强模块
│ │ │ ├── face_editor/ # 人脸编辑模块
│ │ │ └── ... # 其他处理模块
│ ├── uis/ # 用户界面组件
│ │ ├── components/ # UI组件
│ │ ├── layouts/ # UI布局
│ ├── jobs/ # 任务管理系统
│ ├── workflows/ # 工作流程处理
│ └── ... # 其他核心模块
├── .assets/ # 模型和资源文件
├── temp/ # 临时文件目录
├── jobs/ # 任务文件目录
├── tests/ # 测试文件
├── requirements.txt # Python依赖包列表
├── install.py # 安装脚本
├── facefusion.py # 主程序入口
├── facefusion.ini # 默认配置文件
├── cpu_config.ini # CPU配置示例文件
└── README.md # 官方说明文档
- Windows 10/11, Linux 或 macOS
- Python 3.10 或更高版本
- 使用的是16G运行内存 (也可以试试 8GB 或更多)
- 可选: CUDA 兼容的 NVIDIA GPU
官方：
git clone https://github.com/facefusion/facefusion.git
本人:
https://github.com/liucf1224-del/faceFusion-Mi.git
cd facefusion# 使用conda创建新环境（推荐 3.10 的应该也可以的）
conda create -n facefusion python=3.12
conda activate facefusion# 进入项目目录并安装基础依赖 -r如果报错就直接 pip install requirements.txt 不加-r
pip install -r requirements.txt根据你的硬件选择合适的版本：
# CPU版本（适用于集显或无GPU）
python install.py --onnxruntime default
# GPU版本（CUDA，适用于NVIDIA显卡）
python install.py --onnxruntime cuda
# 其他选项：
# python install.py --onnxruntime openvino
# python install.py --onnxruntime directml (仅Windows)
# python install.py --onnxruntime rocm (仅Linux)# 下载所有必需的模型文件（建议在有良好网络连接的环境下执行-有那种可以开个外网下实际还是走的github那些）
python facefusion.py force-download创建或修改配置文件 cpu_config.ini：
具体自己看项目
# 启动带图形界面的程序
python facefusion.py run --config-path cpu_config.inihyperswap_1a_256hyperswap_1b_256hyperswap_1c_256
这些模型在质量和性能之间提供了良好的平衡。
人脸检测 (yoloface_8n) - 找到图像中所有人脸的位置
内容审查 (nsfw_1/2/3) - 检查图像是否包含不当内容
关键点检测 (fan_68_5, 2dfan4) - 精确定位人脸特征点
人脸交换 (hyperswap_1a_256等) - 执行实际的换脸操作
人脸分割模型 xseg_1
人脸属性分析模型 (fairface)
人脸解析模型 (bisenet_resnet_34)
人脸识别模型 (arcface_w600k_r50)
声音分离模型 (kim_vocal_2)
FaceFusion 提供多种命令行操作模式：
# 带图形界面运行
python facefusion.py run --config-path cpu_config.ini
# 无头模式运行（适合脚本调用）
python facefusion.py headless-run --config-path cpu_config.ini -s source.jpg -t target.jpg -o output.jpg
# 批量处理模式
python facefusion.py batch-run --config-path cpu_config.ini
# 强制下载所有模型
python facefusion.py force-download
# 性能基准测试
python facefusion.py benchmarkFaceFusion 基于 Gradio 构建，启动后会自动提供 Web API 接口：
- UI 界面:
http://127.0.0.1:7860 - API 端点:
http://127.0.0.1:7860/api/predict
可通过内网穿透工具（如 frp、ngrok）将服务暴露到公网。
其实也简单就是去这个
https://www.gyan.dev/ffmpeg/builds/
ffmpeg-git-full.7z 这种的下载解压到一个具体的目录不要瞎删除和更改的地方
D:\ssoft\ffmpeg_full\bin 把你解压的bin目录放到系统环境变量中
在cmd中输入 ffmpeg -version 检测是否安装成功对了就可以了
- 首次运行时会自动下载所需的模型文件，请确保网络连接稳定
- 处理大尺寸图片或视频时需要较多内存，建议根据硬件配置调整相关参数
- 使用 GPU 可以显著提高处理速度，但需要正确安装对应的 CUDA 驱动
- 生成的输出文件默认保存在指定的输出路径中
配置系统的工作流程
参数定义：在program.py中定义命令行参数和对应的配置文件选项
参数解析：通过argparse解析命令行参数
状态存储：使用state_manager.py中的全局状态存储所有配置项
配置读取：通过config.py从配置文件中读取默认值
参数应用：在args.py中将解析后的参数应用到状态管理器
配置文件模板：在facefusion.ini中添加配置项定义
命令行参数：在program.py中添加对应的命令行参数
参数应用：在args.py中添加参数到状态管理器的映射
作业存储：在job_store.py中注册参数（如果需要）
实际使用：在需要使用该配置的地方调用state_manager.get_item()
Run the command:
python facefusion.py [commands] [options]
options:
-h, --help show this help message and exit
-v, --version show program's version number and exit
commands:
run run the program
headless-run run the program in headless mode
batch-run run the program in batch mode
force-download force automate downloads and exit
benchmark benchmark the program
job-list list jobs by status
job-create create a drafted job
job-submit submit a drafted job to become a queued job
job-submit-all submit all drafted jobs to become a queued jobs
job-delete delete a drafted, queued, failed or completed job
job-delete-all delete all drafted, queued, failed and completed jobs
job-add-step add a step to a drafted job
job-remix-step remix a previous step from a drafted job
job-insert-step insert a step to a drafted job
job-remove-step remove a step from a drafted job
job-run run a queued job
job-run-all run all queued jobs
job-retry retry a failed job
job-retry-all retry all failed jobs