AI替换:FaceFusion 3.5.0版下载,解决老版本无法使用问题

FaceFusion软件的新版本提升了着色效果、唇同步准确性、关键点识别和面部增强质量。优化了模型管理、环境设置和CUDA兼容性,实现离线运行并解决加载问题。包含了修复NSFW限制、DLL加载错误和CUDA依赖调整等内容。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

FaceFusion软件下载(各个版本都有):点击下载

更新内容如下:

V3.5.0

  • 帧着色器:使用来自 ddcolor 和 deoldify 的先进模型,为黑白或低色彩素材添加色彩。这些模型利用深度学习技术生成逼真且美观的着色效果。

  • 改善唇同步效果:从音频中更清晰、更准确地提取语音。增强的语音提取可让您的AI换脸视频中的唇形同步更加自然逼真。

  • 实验性 5 到 68 个关键点识别: 尝试用于识别 5 到 68 个面部关键点的模型。这些关键点可精准定位关键面部特征,从而实现更准确、细致的深度伪造效果。

  • 使用尖端模型进行面部增强: 结合强大的 gpen_bfr_1024 和 gpen_bfr_2048 模型,在保持自然外观的前提下,微妙地改善面部特征,提升深度伪造视频的质量。

  • 帧增强选项:利用 real_esrgan_x2 和 real_hatgan_x4 等先进视频增强模型,可以将低分辨率视频进行上采样或增强细节,打造更精美的视觉效果。

  • 简化模型管理:使用新的 --force-download 参数可以轻松一次下载所有必需的模型。这消除了每次运行应用程序时等待单个模型下载的麻烦。

  • 简化环境管理:将文档和安装程序从虚拟环境 (venv) 迁移到 conda 环境。Conda 提供了更健壮的依赖项管理,简化了设置和维护流程。

  • 增强 CUDA 12 兼容性: 得益于对 inswapper_128_fp16 模型的修复,该项目实现了与 NVIDIA CUDA 12 工具包的无缝兼容。即使您使用最新版本的 CUDA,也能确保程序顺畅运行。

  • 解决视频合并过程中帧率波动的问题,提供更一致的用户体验。

  • 修复了使用 --skip-download 参数且部分模型缺失时程序崩溃的问题,可以优雅地处理缺失模型的情况。

  • 修正了 h264_nvenc 和 hevc_nvenc 预设的映射,确保准确的编码。

V3.4.1

  • 下载人脸分析模型

  • 防止远程下载循环

  • 动态的concurrency_count以获得理想的Gradio性能

  • 为Gradio打补丁以加速预览和流渲染

  • 修复音频到图片的预览问题

  • 同时运行多个人脸检测器

  • 在低置信度下防止68至5标记点的转换

  • 添加高性能的scrfd人脸检测模型

  • 优雅地开始和停止处理

  • 迁移到ONNX支持的帧增强器

  • 引入--face-landmarker-score参数

  • 在使用多个UI布局时渲染标签页

  • 引入--output-image-resolution参数

  • 添加更多人脸调试项并优化其颜色主题

  • 当启用--log-level debug时打印内部统计信息

  • 一旦启用唇部同步器,保持视频全程的唇部覆盖

  • 添加对h264_amf和hevc_amf视频编码器的支持

  • 限制临时资源的分辨率提升和fps增强

  • 更改--output-path行为和规范化

  • 移除--temp-frame-quality参数

  • 修复使用非均匀像素目标时出现的绿线问题

  • 修复使用--trim-frame-start时唇部同步器预览的问题

  • 修复Geforce GTX 16系列的空白输出问题

另外,我在源版基础上做了如下修改:

  • 破除了NSFW限制

  • 修复模型加载时的一些问题

  • 添加自动打开浏览器功能

  • 模型全部做了本地化处理

  • 修改了主题色

  • 界面和提示信息全面汉化

  • 实时换脸

又在原来的修改基础上做了如下更新:

  • 修复模型加载的问题

  • 优化启动速度

  • 重新制作了运行环境

  • 彻底离线运行

下面就几个重点修改,做一下记录。

模型加载问题

由于在线模型更新了,老版本会自动下载最新模型,但是由于某些问题,下载后的模型会无法使用。

具体错误提示如下:

onnxruntime.capi.onnxruntime_pybind11_state.InvalidProtobuf: [ONNXRuntimeError] : 7 : INVALID_PROTOBUF : Load model from I:\Run\tonyhub-facefusion-NV-CN-v3.2.2\tonyhub\code.assets\models\inswapper_128_fp16.onnx failed:Protobuf parsing failed.

新版本已经不需要担心这个问题,已经放置最新可用模型!

优化启动速度&彻底离线运行

原先的逻辑是先去在线检测模型,如果有变化就更新,如果无变化就加载本地模型。但是如果本地无法访问模型所在网址,就会导致异常了。

之前其实已经考虑到这个问题,为了解决异常的问题,加了异常捕捉,延迟等待。

但是这种方案会导致启动过程等待时间较长(能访问github不会有这种现象)

为了彻底解决这个问题,我已经修改了代码逻辑。现在可以完全离线运行,快速启动了。

重新制作了运行环境

早期的版本更新只要更新源代码即可,但是最近两个版本更新之后,就会出现如下错误。

提示加载dll错误,如果去检查这个路径,可以发现这个文件存在且没有任何问题。

但是它就是报错。这个问题卡了我好几天。

还有一个奇怪的现象是,我常用电脑上不会报这个错误。但是拷贝到其他电脑都会出现这个错误。

在其他电脑上,老版本不会报错。但是更新代码就会出现错误。

尝试了,更新驱动,更新ONNX版本都无解。

但是看了半天,也看不出什么代码导致了这个问题。

后来只能全部推倒,按官方提供的安装程序和安装提示重新制作了运行环境。

最后终于成功解决了这个问题。

最后总结一下,这个问题是由于CUDA相关的依赖文件的路径发生了变化而产生的。

两个版本的软件已经全部上传到网盘。第一次接触这个软件的人快速上手。

 FaceFusion软件下载:点击下载 

### FaceFusion 软件与 NVIDIA GeForce RTX 4060 的兼容性分析 FaceFusion 是一款基于 AI 技术的面部替换软件,其运行效率和效果很大程度上依赖于 GPU 性能以及特定框架的支持。对于 NVIDIA GeForce RTX 4060 显卡而言,以下是关于兼容性和设置的相关说明: #### 硬件支持情况 NVIDIA GeForce RTX 4060 属于较新的 Ampere 架构系列显卡之一,具备强大的 CUDA 核心数量和支持最新的 Tensor Core 功能[^1]。这些特性使得它能够高效处理深度学习模型中的矩阵运算需求,而 FaceFusion 正是利用此类计算资源来加速图像合成过程。 然而,在实际应用中需要注意的是,尽管 RTX 4060 提供了足够的算力用于执行大多数任务,但由于该款显卡默认配置较低端本(例如较少 VRAM),可能会遇到内存不足的情况当面对高分辨率视频素材时[^2]。 #### 安装指南概览 为了确保 FaceFusion 可以顺利安装并正常工作,请按照以下要点操作: - **驱动程序更新**: 需要确认已安装最新 NVIDIA 图形驱动器,这一步骤至关重要因为新功能通常只有通过官方发布的最新驱动才能完全启用[^3]。 - **Python 环境搭建**: 多数情况下,FaceFusion 基于 Python 编写而成;因此建议创建独立虚拟环境,并依据项目文档指定本号完成必要库文件下载与编译链接步骤[^4]。 - **CUDA Toolkit 和 cuDNN 下载**: 这些工具包提供了针对 NVIDIA 设备优化后的数学函数集合,有助于提升整体性能表现水平。具体来说,应该挑选同当前操作系统匹配且被 TensorFlow 或 PyTorch 所接受认可的标准发行档位进行部署[^5]。 #### 故障排查技巧 如果发现存在某些异常现象比如启动失败或者渲染速度过慢等问题,则可以从以下几个方面入手解决: - 检查日志记录是否有错误提示信息指向特定模块加载失败; - 尝试降低输入数据尺寸规格重新测试能否缓解压力状况; - 如果仍然无法解决问题可以考虑更其他更高级别的硬件设备作为临时替代方案直到找到根本原因为止[^6]。 ```python import torch def check_gpu_compatibility(): if not torch.cuda.is_available(): print("No compatible GPUs found.") else: device_name = torch.cuda.get_device_name(0) total_memory = round(torch.cuda.get_device_properties(0).total_memory / (1024**3), 2) capability_major, capability_minor = torch.cuda.get_device_capability() print(f"Device Name: {device_name}") print(f"CUDA Capability: {capability_major}.{capability_minor}") print(f"Total Memory: {total_memory} GB") check_gpu_compatibility() ``` 上述脚本可用于验证目标机器上的 GPU 是否满足最低要求标准。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

牛马尼格

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值