我把石原里美的臉，合成到日本小短片兒里了。。。

請叫我

製片師

不知道差友們還記不記得兩個月前 Reddit 上的科技界大事兒。。。

有個 id 叫 deepfakes 的神人，用機器學習框架寫了一套工具，把女星的臉接到了某些不可描述的影片中。

和一般意義上的 P 圖不同，這個方法是通過搭建神經網路來學習人臉，使替換以後的臉可以生動地模仿原來的表情，以假亂真。

差評君這兩天閑來無事，逛 Reddit 的時候發現有了個以 deepfakes 命名的板塊，

裡面一堆人在討論技術的同時還在貼著不可描述的內容，

一片欣

（ hei ）

欣

（ hei ）

向

（ hei ）

榮，學術氛圍濃厚。。。

還有人分享大量訓練樣本

差評君覺得有些奇怪，雖然說那位叫 deepfakes 的大神把工具開源了，但是以大部分網友的水平應該是不會用他的源碼的，咋這個社區這麼熱鬧了呢。。。

直到我注意到了置頂帖，又有個 id 叫 deepfakeapp 的老哥在 deepfakes 的代碼基礎上做了一套傻瓜式工具，讓沒啥技術背景的人也能學會使用，這種分享精神實在是讓我感動。。。

可惜的是雖然哥們兒精神可嘉，不過依然不夠 geek --這套工具沒有開源。

不過一開始 deepfakes 的代碼庫也沒有用任何協議，所以不開源也沒啥毛病。

那還等什麼？？？

我這就下載下來，

抱著學術態度

好好研究一下機器學習啊！！！

按照開發者的教程，這套工具的環境

需要 CUDA

，這是核彈廠 Nvidia 出的用顯卡來做機器學習的工具，我裝了一下。

（ 至於為啥要用顯卡來搞，你可以看看我的舊文章 ）

以及 

Visual Studio

，微軟家的開發工具，功能極為強大，這個差評君因為平時會玩兒 Unity， 早就裝過了。

工具名叫 FakeApp，它目前有 3 個功能，我依次試了試。

第一個功能是

獲取訓練樣本。

獲取方式是逐幀截取一個視頻文件，然後再把裡面的臉部截出來，做成一個個 256 × 256 像素的矩形。

差評君徵集了一下公司里小夥伴們的意見，選擇了女神石原里美作為訓練對象。

我找到了一段採訪視頻，用 FakeApp 的素材製作工具成功獲得了大量石原女神的臉部圖片。

在剔除了一些不含臉部，或者不清晰的圖片以後，得到了兩千多張臉部圖片。

好。。。可愛。。。

然後，在網上隨便找了一個

不認識

的日本妹子拍的視頻，也做了差不多的操作，獲得了另一組素材。

差評君準備好了素材，開始使用第二個功能，

訓練。

結果剛點下去沒多久，這玩意兒報了個錯。。。

考慮到這是個人開發項目，穩定性很差也是情有可原的嘛，而且人家也沒收錢。。。

但是我不知道問題出在哪啊？！

後來通過各種研究，發現有人和我碰到了一樣的問題，最後開發者回答：因為執行訓練時用的代碼調用的是 CUDA 8.0

（ 最新的是 9.1，你特么研究這麼先進的技術，環境能不能也用新的！？）

，而 CUDA 8.0 配套的 Visual Studio 插件最新的也只支持到 2015 版本，差評君用的是 2017，因此失敗了。

總而言之，就是環境配置的時候我沒有按要求的版本搞！

而且這朋友又沒開源，我想改代碼也沒辦法，只好老老實實地去搞定環境了。

但是問題來了，微軟作為一家在科技行業中的領先企業，為了推動新標準自然是義不容辭的，

所以舊版的工具 VS 2015 在官網上

肯定是沒收啦，給我用新版本去啊混蛋！

我看著文件夾里幾千張石原小姐姐的微笑，正準備砸電腦的時候，在旁邊偷窺我的世超給了我個 U 盤，裡面靜靜的躺著 VS 2015 的鏡像文件，他朝我露出了一個鼓勵的微笑。。。

果然還是你們程序員靠譜啊

差評君卸載了電腦上的 VS 2017，裝上了 2015，又重新裝了遍 CUDA 8.0，打上了補丁，我可以說我上學的時候都沒這麼認真的鑽研技術。。。

隨後，設置好了一些選項，例如訓練素材和模型的路徑，神經網路層數，節點數等等。。。

項目代號：石原里美，啟動！

順路還在工作群里裝了個逼！

一開始，效果很次，啥也看不出。。。

工具運行時會出現兩組不斷變小的叫作 「 Loss 」 的屬性，差評君猜這是素材組轉化的時候體現損失率的參數，值

越低越好。

隨著時間的推移，圖像變得清晰以後，就能看見訓練代碼會在左邊不知名妹子的臉型基礎上，用石原妹子的臉型代替成右邊的樣子。

這期間，電腦卡得一塌糊塗。。。

我嫌它太慢了，搶過了 KK 裝了 1080 Ti ，32G 內存的高配 PC，把環境全部搞定了以後開始了全速訓練，目測大概是我 16G， 960 GTX 的小破電腦 5 倍速度，我把進程掛在那兒跑了 20 個小時。

這個訓練過程沒有結束的時候，我只要按照自己的需求，掐掉訓練就行。

第二天，我從 KK 這裡把訓練好的模型拷貝了過來，開始了最後一步。

轉化素材。

這一步我做了以後發現，原理其實沒有我想像的那麼牛逼。。。

在我依次指定完訓練好的模型和原視頻的路徑，設定好視頻幀率以後，

這個工具會逐幀分離視頻，把人臉抽出來，然後從模型里找到數據替代像素，再嵌回去做成新的逐幀畫面，最後把畫面合成視頻。

然而，這個個人項目再次證明了它還有進步空間，最後一步合成的時候出錯了，而且找不到原因。。。

看著這 8 千多張合成好的視頻幀，我快急死了。。。

趕緊上 Reddit 的對應板塊去研究一下，結果。。。

沒錯，其實我比這些新聞網站都要先知道這個消息，因為我這兩天一直混在這兒研究技術問題。。。

最後我通過長時間搜索找到了個工具：FFMPEG，可以把逐幀的圖片轉換成視頻，我配置好了命令行工具以後，一行命令就搞定了。。。

（ 

而且我知道這麼搞視頻肯定沒聲音，

機智地順便還從原視頻里拉了個音軌 

）

我再用 FFMPEG 把音軌放了進去，看到靜靜地躺在那兒的 MP4 文件，我激動地仰天長嘆。。。

估計是我太專註了，這一放鬆，回頭髮現辦公室里的人都來圍著我來看視頻了。

看來他們也挺關心啊。。。

可以看到，臉部邊上還是有些瑕疵，但是這個表情已經很到位了有木有。。。

而且音軌拉進去以後，說話的時候口型竟然對上了！！！

不說了，這個技術前景無限，我去喝瓶營養快線冷靜冷靜。

「 從此看片不求人！ 」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 差評 的精彩文章: