去除换脸软件的NSFW检测

我把整个流程记录下来是因为对于新手来说这是一次很好的对于开源软件再次开发/修改以满足自己使用需求的经历，主要流程如下：

1. 从GitHub上面Fork源码
2. 将自己Fork的源码下载到本地
3. 源码调试寻找代码中NSFW检测的位置 + 修改（跳过）代码中的NSFW检测
4. 运行修改过后的代码
5. 将修改的本地代码再次推送至自己的GitHub仓库

提前准备工作需要有一个GitHub账号，一个文本编辑器（我用的VScode），电脑中已安装Git和Python。我的系统是Win11，但是无论是MacOS还是Linux系统操作都差不多。

0x01 从GitHub上面Fork源码

首先打开这个网址：

 复制代码 隐藏代码
https://github.com/facefusion/facefusion

进去之后点击这里Fork到自己的仓库：

然后给Fork的仓库一个名字，如果喜欢的话也可以改一下仓库的简介，这样别人看到你的仓库也可以轻松知道里面代码与原版有什么区别，之后点击”Create fork”进行创建。

0x02 将自己Fork的源码下载到本地

之后是漫长的阅读源码的过程，然后我找到了NSFW检测的位置，在“predictor.py”里面，这是具体的代码：

 复制代码 隐藏代码
def predict_stream(frame : Frame) -> bool:
    global STREAM_COUNTER

    STREAM_COUNTER = STREAM_COUNTER + 1
    if STREAM_COUNTER % FRAME_INTERVAL == 0:
        return predict_frame(frame)
    return False

def predict_frame(frame : Frame) -> bool:
    image = Image.fromarray(frame)
    image = opennsfw2.preprocess_image(image, opennsfw2.Preprocessing.YAHOO)
    views = numpy.expand_dims(image, axis = 0)
    _, probability = get_predictor().predict(views)[0]
    return probability > MAX_PROBABILITY

@lru_cache(maxsize = None)
def predict_image(image_path : str) -> bool:
    return opennsfw2.predict_image(image_path) > MAX_PROBABILITY

@lru_cache(maxsize = None)
def predict_video(video_path : str) -> bool:
    _, probabilities = opennsfw2.predict_video_frames(video_path = video_path, frame_interval = FRAME_INTERVAL)
    return any(probability > MAX_PROBABILITY for probability in probabilities)

然后我的方法很简单，它不是要进行各种检查然后返回有没有达到标准吗？那我们就都直接返回False，让它随便检查去：

 复制代码 隐藏代码
def predict_stream(frame: Frame) -> bool:
    return False

def predict_frame(frame: Frame) -> bool:
    return False

@lru_cache(maxsize=None)
def predict_image(image_path: str) -> bool:
    return False

@lru_cache(maxsize=None)
def predict_video(video_path: str) -> bool:
    return False

修改之后保存文件即可。