《美国十次导航亚洲入口》

警惕照片泄漏，有人已经能把你的照片合成(💌)小视频了！

请叫我

制片师

不知道差友们还记不记得两个月前 Reddit 上的科技(💋)界大事儿。。。

有个 id 叫 deepfakes 的神人(😩)，用机器学习框架写(⏰)了一套工具，把女星的脸接到了某些不可(🔡)描述的影片中。

和一(🔝)般意义上的 P 图不同，这个方法是通过搭建神经网络来学习人脸，使替换(⬛)以后的脸可以生动地模仿原来的表情，以假乱真。

差评君(🏌)这两天闲来无事，逛 Reddit 的时候发现有了个以 deepfakes 命名的板块，里面一堆人在讨论技术的同时还在贴着不可描述(🐠)的内容，一片欣（ hei ）欣（ hei ）向（ hei ）荣，学术氛围浓厚。。。

还有人分享大量训练样本

差评君觉得有些奇怪(🗽)，虽然说那位(🍘)叫 deepfakes 的大神把工具开(♎)源了，但是以大部分网友的水平应该是不会用他的源码的，咋这个社区这么热闹了呢。。。

直到我注意到了置顶帖，又有个 id 叫 deepfakeapp 的老哥在 deepfakes 的代码基础上做(✒)了一套(😑)傻瓜式工具，让没啥技术背景的人也能学会使用，这(🎬)种分享精神实在是让我感动。。。

可(📍)惜的是虽然哥们儿精神可嘉，不过依然不够 geek --这套工具没(🗒)有开源。

不过一开始 deepfakes 的代码库也没有用任(♎)何协议(🔢)，所以(📦)不(♒)开源也没啥毛病。

那还等什么？？？我这就下载下来，抱着学术态度好(🔕)好研(📒)究一下机器学习啊！！！

按照开发者的教程，这套工具的环境需要 CUDA，这是核弹厂 Nvidia 出的用显卡来做机器学习的工具，我装了一下。（ 至于为啥要用显卡来搞，你可以看看我的旧文章 ）

以及 Visual Studio，微软家的开发工具，功能极为强大，这个差评君因为平时会玩儿 Unity， 早就装过了。

工具名叫 FakeApp，它目(🥅)前有 3 个功能，我依次试了(🚆)试。

第一个功能(🍳)是获取训练样本。

获取方式(🥢)是逐帧截取一个视频文件，然后再把里面的脸部截出(🔃)来，做成一个个 256 × 256 像素的矩形。

差(🎊)评君征集了一下(🌄)公司里小伙伴们(⛎)的意见，选择了女神石原里美作为训(🎥)练对象。

我找到了一段采访视频，用 FakeApp 的素材制作工(🏙)具成功获(🏑)得了大量石原女神的脸部图片。

在剔除了一些不含脸部(🚖)，或者不清晰的图片以后，得到了(🔣)两千多(🤓)张脸部图片。

好。。。可爱。。。

然后，在网上随便找了一个不认识的日本妹子拍的视频，也做了差不多的操作，获得了另(🥥)一组素材。

差评君准备(🎩)好(😆)了素材，开始(🤓)使用第二个功能，训练。

结果刚点下去没多久，这玩意儿报了个错。。。

考虑(🚆)到这是个人开发项目，稳定性很差也是情有可原的嘛，而且人家也(💯)没收钱。。。

但是我不知道问题出在哪啊？！

后来通过各种研究，发现有人和我碰到了一样的问题，最后开发者回(🔦)答：因(🛷)为执行训练时用的代码调用的是 CUDA 8.0（ 最新的是 9.1，你特么研(💌)究这么先进的技术，环境能不能也用新的！？），而 CUDA 8.0 配套的 Visual Studio 插件最新的也只支持到 2015 版本，差评君用的是 2017，因此失败(📜)了。

总而言之，就是环境配置的时候我没有按要求的版本搞！

而且这朋友又没开源，我想改代码也没办法，只好老老实实地(🍉)去搞定环境了。

但是问题来了，微软作为一(🕥)家在科技行业中的领先企业，为了推动新标准自然是义不容辞的，所以旧版的工具 VS 2015 在官(🚚)网上肯定是没收啦，给(😿)我用新版本去啊混(🕑)蛋！

我看(😦)着文件夹里(🕓)几千张石原小姐姐的微笑，正准备砸电脑的时候，在旁边偷窥我的世超给了我个 U 盘，里面静静的躺着 VS 2015 的镜像文件，他(🕦)朝我露出了一个(😧)鼓励的微笑(🥘)。。。

果然还是你们程序员靠谱啊

差(🚡)评(🔁)君卸载了电脑(〽)上(🏀)的 VS 2017，装上了 2015，又重新(👲)装了遍 CUDA 8.0，打上了补丁，我可以说我上学的时候都没这么认真的钻研技术。。。

随(💯)后，设(👨)置好了一些选项，例如训练素材和模型的路径，神经网路(🏜)层数，节点数等等。。。

项目代号：石原里美，启动！

顺路还在工作群里装了个逼！

一开始，效果很次，啥也看不出。。。

工具运行时会出现两组不断变小的叫作 “ Loss ” 的属(🦏)性，差评(👅)君猜这是素材组转化的时候体现损失率的参数，值越低越好。

随着时间的推移，图像变得清晰以后，就能看见训练(🌉)代码会在左边不知名妹子的脸型基础上，用石原妹子的脸型代替成右边的样子。

这期间，电脑卡得一塌糊涂。。。

我嫌它太慢了，抢过了 KK 装了 1080 Ti ，32G 内存的高配(🏪) PC，把环境全部搞定了以后开始了全速训练，目测大概是我 16G， 960 GTX 的小破电脑 5 倍速度，我把进程挂在那儿跑了 20 个小时。

这个训练过程没有结束的时候，我只(🛳)要按照自己(🔋)的需求，掐掉训练就行。

第(🍎)二天，我从 KK 这里把训练好的模型拷贝了过来，开始了最后一步。

转化素材。

这一步我做了以后发现，原理其实没有我想象的那么牛逼。。。

在我依次指定完训练好的模型和(🕕)原视频的路(🦕)径，设定好视频帧率以后，这个工具会逐帧分离视频，把人(🚪)脸抽出来，然后从模型里找到数(🐘)据替代像(✨)素，再嵌回去(😇)做成新的逐帧画面，最后把画面(🤘)合成视频。

然而，这个个(👎)人项目再次(📍)证明了它(🥎)还有进步空间，最后一步合成的时候出错了，而且找不到原(🐔)因(🐌)。。。

看(🚢)着(🎙)这 8 千多张合成好的视频帧，我快急死了。。。

赶紧上 Reddit 的对应板块去研究一下，结果。。。

没错，其实我比这些新闻网站都要先知道这个消息，因为我这两天一直混在这儿研究技术问题。。。

最后我通过长时间搜索找到了个工具：FFMPEG，可以把逐帧的图片转换成视频，我配置好了命令行工具以后，一行命令就搞定了。。。

（ 而且我知道这么搞视频肯定没声音，

机智地顺便还从原视频里拉了个音轨 ）

我再用 FFMPEG 把音轨放了进去，看到(🚸)静静地躺在那儿的 MP4 文件，我激动地仰(🔌)天(🔶)长叹。。。

估计是(🈂)我太专注了，这一放松，回头发现办公室里的人都来围着我来看视频了。

看来他们也挺关心啊。。。

可以看到，脸部边上还是有些瑕疵，但是这个(🆗)表情已经很到位了有木有。。。

而且音轨拉进去(🚵)以后，说话的时候口型竟然(👝)对(🌃)上了！！！

不说了，这个技术前(🛐)景无限，我去喝瓶营养快线冷静冷静。

“ 从此看片不求人！ ”

【美国十次导航亚洲入口的相关新闻】