《九一福利社区》

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！ ”

【九一福利社区的相关新闻】