Roop 是一个强大的一键换脸工具，允许用户在视频中替换面部，只需要目标面部的一张图片，无需数据集，无需训练。

相对于之前的 Simswap 来说效果要好很多，不过需要注意的是没有授权不要商用。

环境搭建

创建虚拟环境。

conda create -n myenv python=3.10.6

项目克隆。

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

激活虚拟环境并安装依赖，补充安装显卡依赖。

pip install -r requirements.txt
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

进入项目后执行命令启动。

python run.py

此时会自动下载各种模型，对于模型不能下载的问题请看最后错误解答部分。

使用方法

基础功能

启动命令之后会看到下面的操作界面

这里分别解释一下他们的作用

• select face 选择要替换的人脸照片
• select targen 选择要被替换的视频
• Keey target fps 和被替换的视频保持一致的帧率
• Keep temporary frames 是否保留替换过程中的图片
• Skip target audio 是否跳过音频（一般不使用）
• Many faces 是否有多张脸（一般不使用）

点击 Preview 预览按钮会弹出预览界面，默认抓取视频中出现的第一个人物的脸部进行替换。

也可以移动视频预览的进度条到想替换的人脸片段，使用方向键 上 或者 下 进行替换。这个是之前锁定的华仔，现在换成了梁仔。


选择好要替换的人物直接点开始就可以了，检查一下显存使用和数据帧生成的情况。

最后会在文件夹目录下生成一个temp.mp4的文件，就是换脸后合成的视频了，发现视频没有声音，画面换的人脸还比较模糊，带有音频的文件保存在start启动之前的路径位置。

常用处理生产方法

只用CPU处理视频。

python run.py

使用GPU处理视频。

python run.py --execution-provider cuda  

图片保存jpg格式 。

python run.py --execution-provider cuda --temp-frame-format jpg

视频高清化处理。

python run.py --execution-provider cuda --temp-frame-format jpg --frame-processor face_swapper face_enhancer 

处理脸部跳闪。

python run.py --execution-provider cuda --temp-frame-format jpg --frame-processor face_swapper face_enhancer --similar-face-distance 1.5

指定帧识别人脸并替换，找到指定的帧数，位置人脸指定是从右向左从0开始计算。

python run.py --execution-provider cuda  --reference-face-position 3  --reference-frame-number 166 --similar-face-distance 1.5

画面预览

超分后的画面预览。

错误解答

问题 urllib.error.HTTPError: HTTP Error 401: Unauthorized

由于下载inswapper_128.onnx'文件没有权限导致的，即没有权限访问蓝色部分网址导致的。这个要自己搜索一下inswapper_128.onnx文件并下载保存到项目的models目录下。

问题 http.client.RemoteDisconnected: Remote end closed connection without response

由于下载GFPGANv1.4.pth没有权限导致的，可以尝试使用一些上网方法下载，或者直接使用别的项目复制过来。如果能正常下载的话模型会自动下载到项目的models文件夹下。

同时还有可能出现的问题模型还有detection_Resnet50_Final.pth、parsing_parsenet.pth处理方法都是一样的，上述模型都是用于画面超分使用的。

问题 Could not locate zlibwapi.dll. Please make sure it is in your library path!

是由于cuda缺少一些依赖文件。

自行百度搜索zlibwapi.dll 会得到一个压缩包自行移动文件到你的NVIDIA GPU Computing Toolkit\CUDA目录下。