超火 AI 變臉 Avatarify 特效來襲,馬斯克馬雲雷軍一起《螞蟻呀嘿》,網友:搖不能停
相信不少朋友一大早就被這首 “螞蟻呀嘿”洗腦了,這個 BGM 原本出自新加坡歌手郭美美的《不怕不怕》(由O-Zone 演唱的 Dragostea Din Tei改編而來)。原歌詞是 “Mai a hee ,mai a hu,Mai a ho mai a ha ha”,後來被網友們簡稱為 “螞蟻呀嘿”。
昨日,一款以 “螞蟻呀嘿”為 BGM 特效在抖音快手微博 B 站朋友圈等各大平臺迅速走紅,其僅在抖音上的超話就達到了 9.7 億。
這款特效的玩法非常簡單,只要上傳一張照片,照片上的任何人物、動物、卡通人物都能和你一起扭動脖子唱上一首 “螞蟻呀嘿,螞蟻牙呼,螞蟻牙呼呼呼~”簡直不太太上頭,一起來感受下~
巴菲特、馬斯克、馬雲、雷軍一起來 “螞蟻呀嘿~~”。
視訊觀看:點此連結。
還有德雲天團,雖然是動圖但感覺已經聽到了聲音 ...... 太魔幻了
螞蟻呀嘿~~,尖沙咀聞風喪膽的浩南哥在出任務前也可以來上一段。
再魔幻的 BGM,THE9 唱起來畫面還是那麼美 ....
看到這裡,你是不是已經開啟抖音準備來個合拍了?不過你會發現在抖音上傳照片後只有一個 BGM,不能達到特效的效果。
其實,這個 “螞蟻呀嘿”並不是抖音特效,而是出自國外的一款 AI 軟體——Avatarify。
最新神曲螞蟻呀嘿~
有的朋友看到 “Avatarify”可能會有種莫名的熟悉感。其實這款 Avatarify 軟體最早出現在 2020 年初,當時因一則 “馬斯克換臉”視訊在國內外一度刷屏。
年初,新冠疫情在全球迅速蔓延,很多人被迫宅在辦公,一位來自俄羅斯的程式設計師 Ali Aliev 覺得整天在家裡開視訊會議太無趣,他決定用 AI 換臉惡搞一下同事,於是就有了 Avatarify。
在視訊通話過程中,Ali Aliev 用 Avatarify 軟體把自己的頭像換成了世界首富馬斯克,同事們看到大佬出現在了會議中,一時也是驚呆了。
可以看出,視訊中的 AI 換臉從五官、髮型的效果非常好看不出一點破綻,而且如果講話面部表情也隨之微動,不過不能講話,一講話可能就露餡了。
這則惡搞視訊釋出到 YouTube 網站後,受到網友們熱捧,該專案在 GitHub 平臺也迅速登上了熱榜。不過其火爆程度遠不如今日,因為當時還是一個程式碼庫,使用者需要有一定的機器學習基礎,才能在電腦上設定。
正是考慮到這一點,最近 Ali Aliev 將 Avatarify 做成了一個 APP 的形式,大大降低了使用者的使用門檻。
如圖所示,它的產品評分超過了 4000+,排名一直高居 iOS 攝影錄影榜第一。
APP 版的 Avatarify 進行了優化,它包含了十幾種不同的換臉特效玩法,其中就包括在國內迅速出圈的 “螞蟻呀嘿”。
就像前段時間的 “Clubhouse”,Avatarify 在國內也可以說是一夜爆火,而且其火爆程度可以說遠超當下的抖音、快手、騰訊微視的 AI 特效。
那麼它為什麼能夠做到呢?其中原因當然少不了簡單易用,只需要一張照片,全民皆可參與;效果逼真,特效無違和感;還有就是無論是世界首富、娛樂明星、電影角色、動漫人物都可以被惡搞來娛樂大眾。
不過最重要的還是它魔性的 BGM,以及隨 BGM 實時匹配的五官表情,這個節奏簡直不要太上頭。
近幾年,AI 在娛樂領域的應用越來越廣泛,各種 AI 特效在短視訊平臺層出不窮,抖音、快手、微視也先後打造過款爆火特效。不過相比之下,更多處在 AI 換臉、換髮型、秒變漫畫臉等影象合成的階段,還未有聲音與影象合成的特效產品推出。
不過相信,這次 “螞蟻呀嘿”特效爆火之後,各大平臺會抓緊抄作業吧。
使用教程
想要製作這個同款特效,需要使用兩個軟體:
一個是 Avatarify 軟體,它僅支援蘋果手機下載,想辦法完成數字驗證。另一個是加速器,它可以解鎖 Avatarify 上更多特效,其中包括 “螞蟻呀嘿”。
全部下載完成後,接下來的操作就非常簡單了,找到一張想要惡搞的照片,選擇螞蟻呀嘿”幾秒鐘就可以直接出效果視訊了:
之後就可以任意上傳至抖音、微博等各大社交平臺了。
不過,目前 Avatarify 僅支援 iOS 系統。不少使用者也是酸了,每次第一個吃螃蟹的都是 iOS.
不過從 Clubhouse 的案例來看,相信沒多久就會有類似 app 推出了吧。
小編提示,換臉特效畢竟涉及面部隱私,大家還是要注意隱私安全哦~
附:AI 換臉常見方法回顧
我們秉承以往的風格,從技術角度簡單回顧一下近幾年重要的 AI 換臉技術。
Cycle GAN
Cycle GAN 可以說是所有人臉轉換嘗試重要早期嘗試。在對抗性生成式網路(GANs)的風潮中,大家發現只要給定源類別的樣本和目標類別的樣本,GANs 可以便捷地學習到兩個類別之間的轉換關係,就天然地適用於「影象到影象轉換」問題,比如同一張風景照的冬天到夏天、一匹馬到一匹斑馬;Cycle GAN 核心思路在於,如果能從源轉換到目標、還能從源轉換回來,就可以認為模型很好地學習到了兩個類別間的轉換關係,也更好地保證了轉換後的影象的品質。不過 Cycle GAN 的換臉效果並不怎麼好,它畢竟是一個對所有類別的影象通用的方法。
Face2Face
Face2Face 可以說是一次「標準的、規矩的」的嘗試,它藉助 dlib 和 OpenCV,首先人臉檢測器檢測出源圖片中的人臉、找到人臉上的關鍵標記點,然後再使用針對人臉的 pix2pix 轉換模型把關鍵標記點轉換為目標人臉影象。也許是因為這個方法沒有給深度學習留下足夠的發揮空間,所以它的效果也一般般。
在此之後,英偉達和 UC 伯克利的研究人員們根據 pix2pix 改進出了 pix2pixHD,提升了人臉影象的生成效果,而且也依然保持了原 pix2pix 模型的多類別通用能力。
DeepFakes
最火熱、最廣為流傳的深度學習換臉模型無疑是 DeepFakes。出現於 2017 年底的 DeepFakes 是一個深度自動編解碼器模型(Autoencoder-Decoder),通過用源人物和目標人物的幾百張照片(越多越好)訓練模型分別識別、還原兩人面部的能力。最後用源人物的照片搭配目標人物的解碼器就可以完成轉換。它也對視訊到視訊的轉換有良好支援。
DeepFakes 的缺點在於,它無法在小樣本上工作,意味著無法憑一兩張照片替換任意兩個人的臉部;模型的訓練過程也需要消耗大量資源。
DeepFakes 剛剛公開時也僅限於技術愛好者們之間交流,也並沒有釋出正式的論文。但一些蓋爾 · 加朵的換臉動圖一下子引爆了關注。今年年初曾經熱炒的「楊冪換臉朱茵」視訊也很可能是用這個方法實現的,因為 DeepFakes 中的編碼器經過足夠的訓練後確實能夠具有將任意輸入人臉(比如朱茵的人臉)轉換為高質量、高逼真度的目標人臉(楊冪人臉)的能力。
DeepFakes 的 GitHub 地址為 https://github.com/deepfakes/faceswap,如今它還在持續更新升級;後來推出了還名為 FakeApp 的桌面應用程式,便於更多 TensorFlow 玩不轉的小白使用者嘗試。
DeepFakes 式的「把目標影象中的人臉換成另一張臉」可能未來也很難減小樣本數量要求和資源要求,所以也有另一種思路,那就是給定一張人臉影象,然後根據給定的動作讓圖中的人「動起來」。三星莫斯科 AI 研究中心聯合斯科爾科沃科學技術研究所在今年 5 月發表的一篇論文就帶來了不錯的結果。不僅是真人的照片,他們甚至可以讓油畫中的人自然地開口說話。
以上提到的論文和部落格 PDF 打包: