蒙娜丽莎Rap的秘密 这个AI算法绝不能错过

Posted 2022-01-04 百度大脑

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