coze中图片 string如何转image

要将 Coze 智能体接入微信，可参考以下步骤： 1. 技术实现原理： 登录宝塔面板，在其中可视化控制云服务器，部署 docker 容器，启动 COW 项目与微信取得关联。 点击“Docker”中的“项目模板”中的“添加”按钮。 项目模板代码示例如下：将编译好的内容复制进来。 在容器中创建容器，选择容器编排，填入模板和名称，确定。 现实运行成功。 点击容器后，可以看到运行的是两个服务，因为接口文档中启动了两个服务。 然后点击“wcandyaibot”后面的日志按钮，在弹出层中用提前预备好的微信进行扫码。 这个界面不会实时更新显示，需要手动刷新一下。点击“刷新日志”，如果看到 WeChat login success，就成功将 Bot 接入微信中了。 2. 创建扣子的令牌： 在扣子官网左下角选择扣子 API。 在 API 令牌中选择“添加新令牌”。 名称：给令牌起一个名字。 过期时间：为了方便选择永久有效。 选择制定团队空间：可以是个人空间、也可以选择团队空间。 权限：勾选所有权限。 要保存好令牌的 Token，切勿向他人泄露。 3. Coze 设置： 获取机器人 ID：在个人空间中找到自己要接入到微信中的机器人，比如计划将画小二智能小助手接入到微信群中。点击对应的机器人进入机器人编辑界面。在浏览器地址栏的 bot/之后的数据就是该机器人的 Bot ID。 API 授权：然后再点击右上角发布。这里会发现多了一个 Bot as API，意思就是自己定义的 API 发布取到了。勾选 Bot as API，确定应用已经成功授权 Bot as API。 4. 绑定微信： 需要提前准备一个闲置的微信，因为这种方法是非官方接口，有可能微信号会受到官方限制，用一个闲置微信。 点击容器，可以看到运行的是两个服务，这是因为接口文档中启动了两个服务。 点击“wcandyaibot”后面的日志按钮，在弹出层中用提前预备好的微信进行扫码。 这个界面不会实时数显，为了验证是否成功，需要手动刷新一下。点击“刷新日志”，就能看到 WeChat login success，就是提示微信登录成功的意思。 为了确保微信是否实时在线，点击“日志管理”的“wcandyaibot”的“刷新日志”。如果显示“wechat login seccess"则表示微信正常登录中。 5. 效果测试：把绑定的微信号拉到群里或者单独对话，如视频所示就可以激活对话了，训练的数据越好，对话效果越好。个人微信对话和微信群对话效果演示：

以下是关于 Coze 共学的相关信息： Agent 共学快闪活动起源：之前在社区里搞了一期 Prompts 共学快闪活动，大家反馈不错，希望有更多一起学习的机会。最近对 agent 搭建呼声大，有熟悉 coze 的小伙伴出了教程，于是有了持续的主题共学快闪。 第十期：从 0 开始搭建 Coze 应用，详情见 第九期：阿里云百炼共学，详情见 第八期：在大神肩膀上搭 coze，详情见 第七期：coze 模板搭建大赛，详情见 第六期：学 0 基础编游戏，详情见 彬子的 2024 AI 年度小记：从 Coze 共学活动开始，被 AJ 和小伙伴的奉献与愿景折服，后续深度参与 WaytoAGI 的线上线下活动。写了一些分享内容，如。WaytoAGI 社区的 AI 共学范围广、质量高，个人在 ComfyUI 共学课程中收益大，从小白迈进图像自由门槛，对在 Myshell 上做 AI Agent 有帮助。9 月至 12 月，思考面向企业和普通用户挣钱难，面向传统领域超级个体、自媒体达人有无机会，因性格突破社交壁障困难。

Coze 是由字节跳动推出的具有多种功能和特点的平台： 1. 可以接入抖音评论区，帮用户自动回复评论。 2. 是字节跳动旗下子公司推出的 AI Agent 构建工具，允许用户在无编程知识的基础上，使用自然语言和拖拽等方式构建 Agent，目前可以白嫖海量的大模型免费使用，有丰富的插件生态。 3. 记账管家是基于 Coze 平台的能力搭建的记账应用，用户可以直接告知收入或支出情况，Coze 会自动记账并计算账户余额，且不会丢失记账记录。 4. 作为 AI 聊天机器人和应用程序编辑开发平台，专为开发下一代 AI 聊天机器人而设计，旨在简化 AI 机器人的开发过程，使得无论是开发者还是非技术用户，都能够快速搭建基于 AI 模型的各类问答 Bot，处理从简单问答到复杂逻辑对话的任务。 5. 主要特点包括： 多语言模型支持，如 GPT48K 和 GPT4128K，并提供云雀语言模型等。 集成超过 60 款插件，涵盖资讯阅读、旅游出行、效率办公、图片理解等功能，同时支持用户创建自定义插件。 具有知识库功能，允许用户上传和管理多种格式的数据。 提供数据库功能，允许 Bot 访问会话内存和上下文，持久记住用户对话中的重要参数或内容。 支持通过拖拉拽的方式快速搭建工作流，处理逻辑复杂的任务流，提供大量灵活可组合的节点。 具有多代理模式，在一个机器人中可以运行多个任务，允许添加多个代理。 目前对用户完全免费。 易于发布和分享，用户可以将搭建的 Bot 发布到各类社交平台和通讯软件上。 如果您想了解更多关于 Coze 的详细内容，可以参考以下链接：

Coze 集成了新闻搜索插件，其中的头条新闻插件能够持续更新，让您了解最新的头条新闻和新闻文章。所以在 Coze 中使用搜索插件是可以搜索到最新新闻的。Coze 还提供了多样化的插件库，涵盖了从基础的文本处理到高级的机器学习功能，以及众多符合平民生活化的插件，如天气预报、出行必备、生活便利等方面的插件。

要将飞书文档作为知识库输入到 Coze 平台，主要有以下步骤： 1. 在线知识库： 点击创建知识库，创建一个画小二课程的 FAQ 知识库。 选择飞书文档，选择自定义的自定义，输入。 飞书的文档内容会以区分开来，可以点击编辑修改和删除。 点击添加 Bot，添加好可以在调试区测试效果。 2. 本地文档： 注意如何拆分内容，提高训练数据准确度，将海报的内容训练的知识库里面。 画小二这个课程 80 节课程，分为了 11 个章节，不能一股脑全部放进去训练。 正确的方法是首先将 11 章的大的章节名称内容放进来，章节内详细内容按固定方式进行人工标注和处理。 然后选择创建知识库自定义清洗数据。 3. 发布应用： 点击发布，确保在 Bot 商店中能够搜到。 此外，创建知识库并上传文本内容有以下方式： 1. 在线数据： 自动采集方式：适用于内容量大，需要批量快速导入的场景。 在文本格式页签下，选择在线数据，然后单击下一步。 单击自动采集。 单击新增 URL。在弹出的页面完成输入要上传的网站地址、选择是否需要定期同步网站内容及周期等操作。 当上传完成后单击下一步，系统会自动根据网站的内容进行内容分片。 手动采集方式：适用于需要精准采集网页上指定内容的场景。 安装扩展程序，详情请参考。 在文本格式页签下，选择在线数据，然后单击下一步。 点击手动采集，然后在弹出的页面点击权限授予完成授权。 在弹出的页面输入要采集内容的网址，然后单击确认。 在弹出的页面上，点击页面下方文本标注按钮，开始标注要提取的内容，然后单击文本框上方的文本或链接按钮。 单击查看数据查看已采集的内容，确认无误后再点击完成并采集。 Coze 的知识库功能不仅支持上传和存储外部知识内容，还提供了多样化的检索能力，主要包括两大核心能力：一是能够存储和管理外部数据；二是增强检索能力。Coze 支持从多种数据源，如本地文档、在线数据、Notion、飞书文档等渠道上传文本和表格数据。上传后，系统会自动将知识内容切分成多个片段进行存储，并允许用户自定义内容分片规则。Coze 还提供了多种检索方式来对存储的内容片段进行高效检索，例如全文检索可以通过关键词快速找到相关的内容片段并召回。基于这些召回的内容片段，大模型将生成最终的回复内容。Coze 支持上传文本内容及结构化表格数据，以适应各种使用场景。

Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台，主要应用包括： 1. 简化 AI 机器人的开发过程，使开发者和非技术用户都能快速搭建基于 AI 模型的各类问答 Bot，处理从简单问答到复杂逻辑对话的任务。 2. 支持多语言模型，如 GPT48K 和 GPT4128K，并提供云雀语言模型等，以支持不同场景下的对话和交互。 3. 集成超过 60 款插件，涵盖资讯阅读、旅游出行、效率办公、图片理解等功能，同时支持用户创建自定义插件，扩展 Bot 的能力。 4. 允许用户上传和管理数据，支持 Bot 与用户数据交互，可上传多种格式的文档，或基于 URL 获取在线内容和 API JSON 数据。 5. 提供数据库功能，允许 Bot 访问会话内存和上下文，持久记住用户对话中的重要参数或内容。 6. 用户可以通过拖拉拽的方式快速搭建工作流，处理逻辑复杂的任务流，提供大量灵活可组合的节点。 7. 支持多代理模式，在一个机器人中运行多个任务，允许添加多个代理，每个代理都能独立执行特定任务。 8. 对用户完全免费。 9. 易于发布和分享，用户可将搭建的 Bot 发布到各类社交平台和通讯软件上。 此外，Coze 在移动端的排名表现出色，如在 TikTok 母公司字节跳动的相关产品中，Coze 首次出现在榜单上，排名第 45 位。

以下是关于 LayerStyle 副本（包括 TextImage 和 SimpleTextImage）的详细说明： TextImage： 从文字生成图片以及遮罩。支持字间距、行间距调整，横排竖排调整，可设置文字的随机变化，包括大小和位置的随机变化。 节点选项包括： size_as：输入图像或遮罩，将按其尺寸生成输出图像和遮罩，此输入优先级高于 width 和 height。 font_file：列出 font 文件夹中可用字体文件列表，选中的字体用于生成图像。 spacing：字间距，以像素为单位。 leading：行间距，以像素为单位。 horizontal_border：侧边边距，数值为百分比，横排时为左侧边距，竖排时为右侧边距。 vertical_border：顶部边距，数值为百分比。 scale：文字总体大小，以百分比表示，默认根据画面尺寸和文字内容自动计算。 variation_range：字符随机变化范围，大于 0 时字符产生大小和位置随机变化，数值越大变化幅度越大。 variation_seed：随机变化的种子，固定此数值每次产生的单个文字变化不变。 layout：文字排版，有横排和竖排可选。 width：画面宽度，若有 size_as 输入将被忽略。 height：画面高度，若有 size_as 输入将被忽略。 text_color：文字颜色。 background_color：背景颜色。 SimpleTextImage： 从文字生成简单排版的图片以及遮罩，参考了的部分功能和代码。 节点选项包括： size_as：输入图像或遮罩，将按其尺寸生成输出图像和遮罩，此输入优先级高于 width 和 height。 text：文字输入。 font_file：列出 font 文件夹中可用字体文件列表，选中的字体用于生成图像。 align：对齐选项，有居中、靠左和靠右三个选项。 char_per_line：每行字符数量，超过自动换行。 leading：行间距。 font_size：字体大小。 text_color：文字颜色。 stroke_width：描边宽度。 stroke_color：描边颜色。 x_offset：文字位置的水平偏移量。 y_offset：文字位置的垂直偏移量。 width：画面宽度，若有 size_as 输入将被忽略。 height：画面高度，若有 size_as 输入将被忽略。 注： 仅限输入 image 和 mask，如果强制接入其他类型输入，将导致节点错误。 font 文件夹在 resource_dir.ini 中定义，该文件位于插件根目录下，默认名字是 resource_dir.ini.example，初次使用需将文件后缀改为.ini。用文本编辑软件打开，找到“FONT_dir=”开头的行，编辑“=”之后为自定义文件夹路径名。该文件夹内所有的.ttf 和.otf 文件将在 ComfyUI 初始化时被收集并显示在节点的列表中。若 ini 中设定的文件夹无效，将启用插件自带的 font 文件夹。

Stable Diffusion 的 ImageBrowser 插件可以通过以下方式下载： 因为该插件还没有收录到官方的插件列表当中，您可以到这个网址去下载：https://github.com/hnmr293/sdwebuicutoff ，或者是去作者的云盘链接下载。安装之后重启，就可以看到这个插件。 另外，大多数的模型都是在 Civitai（C 站）这个网站里面下载，网址为：https://civitai.com/ 。使用 C 站时需要科学上网，点击右上角的筛选按钮，在框框里面找到自己需要的模型类型。下载的模型保存位置如下： 大模型：存放在 SD 根目录的【……\\models\\Stablediffusion】文件夹。 Lora：存放在根目录下的相应文件夹。 VAE：存放在根目录的【……\\models\\VAE】文件夹。 如果不会科学上网，也可以去启动器的界面直接下载模型。下载的 Embedding 可以在 C 站通过右上角的筛选 Textual Inversion 找到，放在根目录下的 embeddings 文件夹里。

以下是关于“image prompt”的详细信息： 图像提示的基本概念： 在输入提示中使用图像来约束构图、风格和颜色。可将图片提示单独使用或与文本提示配合使用，尝试组合不同风格。要将图片添加到输入提示中，可以输入或粘贴图像存储网址，网址必须以.png、.gif 或.jpg 这样的扩展名结尾。添加图像地址后，可以加入任何必要的文本和参数来完善输入提示。图像提示应放在输入提示的开头，输入提示必须包含两个图像或一个图像和额外的文本信息才能开始作图，图像 URL 必须是在线图片的直接链接。 上传图片到 Discord 的参考过程：友情提示，不要上传您的照片或者别人的照片，注意隐私。 图像提示的例子： Statue of Apollo Vintage Flower Illustration Ernst Haeckel's Jellyfish Midjourney 不同模型版本： Midjourney Model Version 4 Midjourney Model Version 5 图像权重参数： 使用图像权重参数iw 来调整提示中图像与文本部分的权重比。如果未指定iw，则使用默认值。较高的iw 值意味着图像提示将在作业中具有更大的权重。有关提示各部分之间相对重要性的详细信息，请参见具有不同的图像权重范围。 图像类 Prompt 网站精选： |站点名|网站介绍|地址|附件| ||||| |MidLibrary|Midjourney 最全面的流派、艺术技巧和艺术家风格库||| |MidJourney Prompt Tool|类型多样的 promot 书写工具，点击按钮就能生成提示词修饰部分||| |OPS 可视化提示词|这个网站有 Mid Journey 的图片风格、镜头等写好的词典库，方便您快速可视化生成自己的绘画提示词||| |AIart 魔法生成器|中文版的艺术作品 Prompt 生成器||| |IMI Prompt|支持多种风格和形式的详细的 MJ 关键词生成器||| |Prompt Hero|好用的 Prompt 搜索，Search prompts for Stable Diffusion,ChatGPT&Midjourney||| |OpenArt|AI 人工智能图像生成器||| |img2prompt|根据图片提取 Prompt||| |MidJourney 提示词工具|专门为 MidJourney 做的提示词工具，界面直观易用||| |PromptBase|Prompt 交易市场，可以购买、使用、销售各种对话、设计 Prompt 模板||| |AiTuts Prompt|AiTuts Prompt 是一个精心策划的高质量 Midjourney 提示数据库，提供了广泛的不同风格供您选择|||

在 Coze 中将 URL 格式的图片内容转换成 Image 图片，主要通过以下步骤实现： 1. 生成图片时没有使用图像流里的工具，而是采用工作流，并调用插件来完成。 2. 运用 ByteArtist 插件中的 ImageToolPro 工具。 3. 将 model_type 选 2，这样能够根据用户图片风格进行生成。 4. 关键在于输入一个参考丑图，例如从 glif 官网别人的作品中选取一个 10241024 的老大爷图片，将其 URL 传到 Coze 中后，将其 URL 输入给 image_url。

ImageCreator 是一个由 AlkaidVision 支持的强大的 AI 插件，专为 Adobe Photoshop 设计。其官网链接为 https://imagecreator.alkaidvision.com 。 它为艺术家和设计师提供了一系列先进的 AI 模型和功能，以增强他们的图像创作过程。用户可以使用基于 AI 的功能（如 TXT2IMG、IMG2IMG、Fill 和 ControlNet）生成高质量的图像。 使用场景包括： 寻求根据文本提示生成高质量图像的艺术家和设计师。 使用 AI 模型为现有图像应用艺术风格和变换。 使用 AI 填充功能进行恢复和增强旧或损坏的照片。 调整和定制 AI 模型以实现特定的艺术效果。 将基于 AI 的图像生成无缝集成到 Adobe Photoshop 工作流程中。 核心特性有： TXT2IMG：使用 AI 模型基于文本提示生成图像。 IMG2IMG：使用 AI 模型转换现有图像，实现艺术效果和变换。 Fill：使用 AI 算法智能填补图像中的缺失或不完整区域。 ControlNet：定制和微调 AI 模型和输出，实现精确控制。 无缝集成：作为 Adobe Photoshop 的专业插件无缝工作。

Image Creator 是一个与图像生成相关的概念，具有以下特点和相关选项： 常见的图像生成工具和选项： 最透明的选项： 开源选项： 最佳免费选项：Bing 或（允许您使用多个模型） 最佳质量图像： 作为一个由 AlkaidVision 支持的强大的 AI 插件，专为 Adobe Photoshop 设计。它为艺术家和设计师提供了一系列先进的 AI 模型和功能，以增强他们的图像创作过程。 核心特性包括： TXT2IMG：使用 AI 模型基于文本提示生成图像。 IMG2IMG：使用 AI 模型转换现有图像，实现艺术效果和变换。 Fill：使用 AI 算法智能填补图像中的缺失或不完整区域。 ControlNet：定制和微调 AI 模型和输出，实现精确控制。 无缝集成：作为 Adobe Photoshop 的专业插件无缝工作。 其官网链接为：

以下是关于通过衣服图片生成模特视频的相关内容： 如果您要通过衣服图片生成模特视频，有以下两种方法可供参考： 方法一：使用 Stable Diffusion 1. 真人穿衣服拍照，并拿到穿衣服的真实质感照片。如果身材方面有难处，可以借助美图秀秀或 PS 进行处理。 2. 选好底模，一定要是 realistic 的真人照片风格底模，例如 majicmixRealistic_v7。 3. 根据不同平台换头，比如面向海外市场换白女头，面向中老妇女换妈妈头。 4. 在图生图下的局部重绘选项卡下涂抹自己替换的部分，并设置好 prompts 和 parameters，例如 breathtaking cinematic photo, masterpiece, best quality, , blonde hair, silver necklace, carrying a white bag, standing, full body, detailed face, big eyes, detailed hands 等。 方法二：使用即梦的智能参考功能 1. 打开即梦官网 https://jimeng.jianying.com/ 。 2. 选择图片生成。 3. 选择导入参考图（上传一张参考图，点击智能参考）。 模特图自由定制：智能参考可以让模特图的变装、换发型、换脸、换发色和调整人物姿势变得轻而易举。 产品图随心变化：可以改变产品材质，调整画面背景。 电商海报一键搞定：支持随意更改背景、元素，适应不同的营销主题。 希望以上内容对您有所帮助。

目前对于哪一个 AI 生成的图片更具有还原性，难以简单地给出一个确定的答案。 从相关资料来看，不同的 AI 出图工具具有各自的特点和优势。例如，MJ 稳定性最好，协作性最强，有很多成熟的经验可供参考，但不是所有人都能拥有此工具；SD 有一些其他产品无法替代的能力，如艺术字、线稿控制能力、可以训练自己的各种 lora 等，但需要本地部署，上手门槛更高；悠船对中文的支持最好，Prompt 可以用中文直出，交互友好、简单、易上手，但管控严格，很多敏感词不能使用。 在实际应用中，保持名胜古迹的原貌可能会遇到困难，比如用悠船出图时法华塔变得面目全非，最后用 SD 的线稿控制才将塔的样式大体保留下来。此外，在处理一些历史相关的内容时，绕过敏感词也是一个难点，需要绞尽脑汁地想办法，比如用替代词或其他方式。 同时，从艺术和语言学的角度来看，AI 艺术的发展仍在探索中，对于其本体形态和未来的发展方向还有待进一步研究和实践。

以下是关于图片识别的相关内容： 神经网络在图片识别中的应用： 对于印刷体图片的识别，通常会先将图片变为黑白、调整大小为固定尺寸，然后与数据库中的内容进行对比以得出结论。但这种方法存在多种问题，如字体多样、拍摄角度不同会引入例外情况，且整体是基于不断添加规则，对于复杂情况如围棋难以应对。神经网络专门处理未知规则的情况，其发展得益于生物学研究和数学的支持，能够处理如手写体识别等未知情况。推荐阅读《这就是 ChatGPT》一书，了解更多相关知识。 判断图片是否为 AI 生成： 要培养判断图片是否为 AI 生成的技能，需要训练大脑模型。对于不善于此的朋友，可以借助一些网站，如 ILLUMINARTY（https://app.illuminarty.ai/），通过对大量图片数据的抓取和分析来给出画作属性的判断可能性。但在测试中可能存在误判，如结构严谨的真实摄影作品可能被识别为 AI 作图，这是因为鉴定 AI 自身的逻辑算法不能像人类一样综合考虑各种不符合逻辑的表现。同时，介绍了通过画面风格、物品 bug 等细节辨别图像是否为 AI 生成的方法，但需注意 AI 在不断学习，这些方法可能随时失效。

目前在处理亚马逊电商图片方面，常见的 AI 工具包括 Adobe Photoshop 的 AI 功能、Canva 等。Adobe Photoshop 的 AI 功能可以帮助您进行图像的优化、修复和创意处理。Canva 则提供了丰富的模板和设计元素，方便您快速制作吸引人的电商图片。但具体选择哪种工具，还需根据您的具体需求和使用习惯来决定。

DeepSeek 的 JanusPro 模型将图像理解和生成统一在一个模型中，具有以下特点和处理方式： 统一 Transformer 架构：使用同一个模型就能完成图片理解和生成。 规模和开源：提供 1B 和 7B 两种规模，全面开源，支持商用，采用 MIT 协议，部署使用便捷。 能力表现：Benchmark 表现优异，能力更全面，7B 版本在 GenEval 和 DPGBench 中击败 OpenAI 的 DALLE 3 和 Stable Diffusion。 处理方式： 理解模式：用“超级眼镜”仔细看最大 384x384 大小的图片，还能读文字。 画画模式：用“魔法画笔”自己创作同样大小的图片。 训练方法：先自己看很多图画书学习（预训练），然后老师手把手教（监督微调），最后用“精华浓缩法”保存最好的学习成果。 Transformer 大一统架构： 理解部分：输入包括一张“Clean Image”（干净图像）和“Und.Prompt”（理解提示），经过处理后由大语言模型输出，再通过“Text DeTokenizer”（文本去标记器）处理得到响应。 生成部分：输入包括“Gen.Prompt”（生成提示）和一张“Noisy Image”（含噪图像），经过处理后在“Gen.Decoder”（生成解码器）中不断更新，最终完成图像生成。 模型地址： 模型（7B）：https://huggingface.co/deepseekai/JanusPro7B 模型（1B）：https://huggingface.co/deepseekai/JanusPro1B 下载地址：https://github.com/deepseekai/Janus

以下是替换视频或图片中人脸的几种方法： 方法一：使用 SD 中的 Roop 插件 1. 安装 Roop 插件，安装时间较长需耐心等待。安装好后打开 SD 文件目录下的特定文件夹，在地址栏输入“cmd”并回车。 2. 在打开的 dos 界面中粘贴“python m pip install insightface==0.7.3 user”代码自动安装 insightface。若此阶段出错，建议下载最新的秋叶 4.2 整合包（6 月 23 号更新），在云盘后台回复【SD】可下载。 3. 安装完成后重新打开启动器，后台会继续下载模型，全程需科学上网。 4. 选用真实系模型“realisticVisionV20”，得到照片。 5. 启用 ROOP 插件，选择要替换的人物照片，面部修复选择“GFPGAN”，根据需求设置右边的参数。 6. 点击生成，若人脸像素偏低模糊，可将图发送到“图生图”，开较小重绘幅度，使用 controlnet 中的 tile 模型进行重绘。 方法：使用 TecCreative 工具 1. 对于图片换脸，仅需上传原始图片和换脸图片，然后点击开始生成。注意图片大小上限 5M，支持 JPG、PNG 格式。 2. 对于视频换脸，上传原始视频和换脸图片后点击生成。 方法：使用快捷工具中的 facefusion 1. 点击快捷工具中顶部的“JupyterLab”打开工具，通过终端启动 facefusion。 2. 点击顶部的“+”号选项卡，新打开一个终端窗口。 3. 在终端区域启动终端选项卡，输入 3 条命令： 输入“ls”并按回车查看文件列表。 输入“cd facefusion”并按回车进入程序目录。 输入“python./run.py executionproviders cuda cpu”启动程序。 4. 当出现提示信息说明启动成功。 5. 打开 facefusion 软件，返回实例列表，点击自定义服务按钮，通过新的浏览器窗口访问 facefusion 的 UI 界面。 6. 在软件界面上传准备好的图片、视频，在右侧查看预览效果，点击开始按钮执行换脸处理。处理完成后在输出位置下载处理后的视频。 特别提醒，此类插件需谨慎使用，切勿触犯法律。如果想要 Roop 插件，可以添加公众号【白马与少年】，回复【SD】即可。推荐使用最新的秋叶整合包，出错概率最小，另外，科学上网很重要。