写点什么

蒙娜丽莎 Rap 的秘密!这个 AI 算法绝不能错过!!!

  • 2021 年 12 月 06 日
  • 本文字数:1681 字

    阅读完需:约 6 分钟

蒙娜丽莎Rap的秘密!这个AI算法绝不能错过!!!

蒙娜丽莎说 Rap、苏轼先生开口念诗、Gollum 唱 Black Pink 的 Ice Cream。是的,你没有看错,本篇给大家介绍的这个 AI 算法可以让你零基础 5 分钟实现上述超级 Fancy 的特效,亲手制作点击量过百万、霸榜热搜的超级视频。


话不多说,让我们先看效果!




不仅如此哦~最近大火的虚拟美妆博主柳夜熙、上周百度发布的央视总台首个 AI 手语主播以及各大虚拟偶像等等数字人的核心技术中,让数字人开口说话的也是这个 AI 算法。


那这到底是什么神奇的技术呢?


答案就是飞桨开源套件 PaddleGAN 中的新晋宠儿——Wav2lip 模型


赶紧上项目查看源码及文档教程吧,这个项目还提供热门 GAN 模型,如 AnimeGANv2、GauGAN、First Order Motion 的实现,开源不易,希望大家 Star 支持!


https://github.com/PaddlePaddle/PaddleGAN/blob/develop/README_cn.md



更贴心的是,完整项目代码已公开于 AI Studio,大家动动手指即可体验:


https://aistudio.baidu.com/aistudio/projectdetail/3156519?ref=baiduai2


下面给大家拆解下技术原理和具体的操作步骤,手把手教你实现苏轼念诗,蒙娜丽莎唱 Rap 或者任何你心仪的 Idol 说情话⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄。


这是一个输入一段语音,使目标人物图片、视频的唇形,根据语音进行自动匹配并运动起来的任务。因此,我们需要准备一段音频和一段人像/动漫人物视频,将音频和视频输入 Wav2lip 模型中,经过 Wav2lip 模型预测后,便会输出一段目标人物/动漫人物说出输入音频的视频,至此,「千万级」配音视频就完成啦~



 PaddleGAN 的唇形迁移能力——Wav2lip 


Wav2lip 模型实现唇形与语音精准同步突破的关键在于:


  • 采用了唇形同步判别器,以强制生成器持续产生准确而逼真的唇部运动。

  • 此外,通过在鉴别器中,使用多个连续帧而不是单个帧,并使用视觉质量损失(而不仅仅是对比损失)来考虑时间相关性,从而改善了视觉质量。



万能的 Wav2lip 模型适用于任何人脸、任何语音、任何语言!对任意视频都能达到很高的准确率,都可以实现无缝地与原始视频融合,无论是视频效果还是语音效果都很逼真。


与此同时,PaddleGAN 针对 Wav2Lip 模型进行了高清优化,使唇形拟合更细腻,更加逼真。



 PaddleGAN Wav2lip 的使用方法 


在 PaddleGAN 的帮助下,完成上述神奇的自制「配音/对口型」只需两步:


 1、下载 PaddleGAN 并所需安装包 


# 下载 PaddlePaddle 安装包

# 从 github 上克隆 PaddleGAN 代码(如下载速度过慢,可用 gitee 源)

!git clone 

https://gitee.com/PaddlePaddle/PaddleGAN

#!git clone 

https://github.com/PaddlePaddle/PaddleGAN

#本地安装 PaddleGAN

%cd /home/aistudio/PaddleGAN

!pip install -v -e .

!pip install -r requirements.txt

!pip install librosa!pip install numba==0.53.1

 2、使用唇形合成命令 

%cd applications/

!python tools/wav2lip.py \    

--face /home/aistudio/1.jpeg \    

--audio /home/aistudio/2.m4a \    

--outfile /home/aistudio/pp_put.mp4 \    

--face_enhancement

只需在如下命令中的 face 参数和 audio 参数分别换成自己的视频和音频路径,然后运行即可生成和音频同步的视频,运行完成后,会在当前文件夹下生成文件名为 outfile 参数指定的视频文件,该文件即为和音频同步的视频文件:

  • lface:原始视频,视频中的人物的唇形将根据音频进行唇形合成

  • laudio:驱动唇形合成的音频,视频中的人物将根据此音频进行唇形合成

  • loutfile:成品视频名

  • lface_enhancement:添加人脸增加特效

 PaddleGAN 的花样玩法 

以为 PaddleGAN 就止于此?NoNoNo~

免费开源的宝藏套件 PaddleGAN 的能力当然不止于唇形迁移/生成的技术,里面满满都是种类丰富、趣味的图像/视频生成、处理能力。热门的前沿模型,如 AnimeGANv2、GauGAN、First Order Motion 等模型等待大家探索。

如图像风格迁移、视频修复、图像超分辨率、人像动漫化、照片动漫化、人脸编辑等等。


PaddleGAN 就如一个「游乐场」,欢迎各位「玩家」加入,体验各类「游戏设施」,无需门票,如果玩得开心,记得点 Star 支持下~

https://github.com/PaddlePaddle/PaddleGAN/blob/develop/README_cn.md

点击进入获得更多技术信息~~

发布于: 2021 年 12 月 06 日阅读数: 38
用户头像

关注百度开发者中心,收获一手技术干货。 2018.11.12 加入

汇聚百度所有对外开放技术、平台和服务资源,提供全方位支持,助力开发者加速成功,实现开发者、消费者和百度三方共赢。https://developer.baidu.com/

评论

发布
暂无评论
蒙娜丽莎Rap的秘密!这个AI算法绝不能错过!!!