《roop》只需要一张人脸的就能把一个视频中的人脸进行替换，不需要进行任何训练。

2023-09-08补充：

好吧，项目停止维护了，但是还能用 仓库地址 (opens new window)

准备环境

roop支持在 Linux,MacOS,Winodows 系统上运行。

下面只介绍windows环境下使用，其他系统自行查看文档 (opens new window)。

在使用roop之前，你需要先安装如下软件

• python
• git
• FFmpeg
• VisualStudio2020

如果没有的话使用如下命令：

注意

下面命令使用到了winget,如果你没有安装，请查看微软官网文档 (opens new window)。

安装python

winget install -e --id Python.Python.3.10

安装PIP

python -m ensurepip

安装git

winget install -e --id Git.Git

安装FFmpeg

winget install -e --id Gyan.FFmpeg

安装VisualStudio及相关开发包

winget install -e --id Microsoft.VCRedist.2015+.x64

winget install -e --id Microsoft.VisualStudio.2022.BuildTools --override "--wait --add Microsoft.VisualStudio.Workload.NativeDesktop --includeRecommended"

开始

下载项目

git clone https://github.com/s0md3v/roop

安装依赖

pip install -r requirements.txt

这一步需要等待一会，等待完成后执行

python run.py

等待界面出现就可以愉快的玩耍了。

命令参数

当然你也可以用命令行运行roop，毕竟这样显得更帅。 命令行的运行格式为：

python run.py [options]

以下为当前版本所支持的参数:

命令	描述
-h, --help	显示帮助并退出
-s SOURCE_PATH, --source SOURCE_PATH	要替换的人脸路径
-t TARGET_PATH, --target TARGET_PATH	需要替换人脸的视频路径
-o OUTPUT_PATH, --output OUTPUT_PATH	替换人脸后的视频保存路径
--frame-processor FRAME_PROCESSOR [FRAME_PROCESSOR ...]	帧处理器,默认：face_swapper (可多选: face_swapper, face_enhancer)
--keep-fps	保持原视频帧率
--keep-frames	保持原视频帧文件目录
--skip-audio	跳过视频音频
--many-faces	处理多张脸
--reference-face-position REFERENCE_FACE_POSITION	人脸位置参考：用于定位人脸
--reference-frame-number REFERENCE_FRAME_NUMBER	人脸帧数参考：用于定位人脸
--similar-face-distance SIMILAR_FACE_DISTANCE	人脸识别阈值，默认值：0.85。对比人脸的相识度，遇到跳脸现象，可加大阈值
--temp-frame-format {jpg,png}	帧文件图片格式
--temp-frame-quality [0-100]	帧文件质量
--output-video-encoder {libx264,libx265,libvpx-vp9,h264_nvenc,hevc_nvenc}	输出视频编码
--output-video-quality [0-100]	输出视频质量
--max-memory MAX_MEMORY	最大内存(以GB为单位)
--execution-provider {cpu} [{cpu} ...]	可用的执行提供程序,默认:cpu ,通常使用cpu和cuda (需要安装相关环境)
--execution-threads EXECUTION_THREADS	执行线程数
-v, --version	显示程序的版本号并退出

到这里已经可以正常的使用roop了，不过当前使用的是cpu。如果你对执行速度有更高的要求，可以指定execution-provider加速图像生成

加速

roop支持的加速方式有：

• CUDA (Nvidia)
• CoreML (Apple)
• DirectML (Windows)
• OpenVINO (Intel)

我的桌面机使用的是N卡，所以我选择的是Nvidia CUDA加速，如果是其他方式可以查看文档 (opens new window)。

使用CUDA加速需要安装：CUDA Toolkit和cuDNN for Cuda，其中下载cuDNN需要Nvidia账号。

安装时请注意版本，确保和roop兼容。

我的版本信息：

• roop 1.3.2 (opens new window)
• CUDA Toolkit 11.8 (opens new window)
• cuDNN for Cuda 11.x (opens new window)

安装完上述软件后执行下载依赖：

pip uninstall onnxruntime onnxruntime-gpu
pip install onnxruntime-gpu==1.15.1

然后就可以使用加速命令了

python run.py --execution-provider cuda

到此roop的安装过程就结束了，快去愉快的玩耍吧。