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：

https://ai.yanxishe.com/page/resourceDetail/987