AI派大星，在线FakeYou，爆火！
共 1415字，需浏览 3分钟
·
2022-01-02 12:34
量子位 | 行早
你敢信，派大星当众宣称自己是钢铁侠，漫威宇宙和比基尼海滩梦幻联动：
I am Iron Man！
这深沉憨厚又有点喜感的嗓音，是派大星本星没错了。
而小扎也疯狂乱入，直接抢了派大星的台词，喊海绵宝宝去抓水母：
hi，spongebob，shall we go to catch jellyfishes?
没错，这又是AI的杰作。
这个名叫FakeYou的语音伪造模型，最近火爆到服务器都被挤挂掉了：
像这位网友一样给马男波杰克写段台词：
suck a *. why are you still here?! did you eat my muffin? you are a worthless piece of no good shit who deserves to die. what are YOUU doing here? what are you doing here.
一键就可以还原他“致郁”的声音：
这“What are youuuu doing”的发音，确实够传神了：
目前上传的人物语音模型已经有很多，包括海绵宝宝、摩根·弗里曼、辛普森一家、马男波杰克、灭霸等等。
demo在线可玩，快来试试~
操作也很简单，只需两步：
在图中第一个红框中的下拉菜单中选择你喜欢的人物，然后在下面的文本框中输入你希望TA说的话，再点击“Speak”就ok了~
另外，如果你还想让TA对上口型，FakeYou也在线提供了相关功能。选择不同的视频model，上传音频文件就可以了：
FakeYou如何Fake
那FakeYou是怎么实现文本转语音和对口型的呢？
对于文本转语音的任务，FakeYou提到了一系列的模型，主要是其中值得一提的是MelGAN。
它的整体结构也比较简单，工作流是这样的：
首先将输入的文本转化为梅尔声谱图，然后再利用GAN去学习图中的特征，提取声音的信息。
最后再通过傅里叶逆变换还原出原始声波。
而对口型任务使用的则是Wav2Lip模型，与之前的对口型模型的区别在于，Wav2Lip使用预训练的判别器，在检测唇同步时已经相当准确。
并将口型的真值和遮住口型的部分输入网络，用残差网络相连。
同时还使用了视觉判别器来提高视觉质量和同步精度，进一步提高模型质量。
FakeYou创作者
FakeYou的创作者主要是毕业于南方理工州立大学Brandon Thomas，他是一名来自亚特兰大的工程师。
自这款demo改名为FakeYou之后，就受到很多网友的喜爱。因此有很多社区中的网友也来贡献“声音”。目前FakeYou中已经有几百个用于制作的语音模型。
如果没能找到合适的人物语音模型，也可以自己添加，来丰富FakeYou。
如果你也有想让影视或者动漫中的人物说出你想听的话，可以参考文末的在线demo链接~
参考链接：
[1]https://fakeyou.com/
[2]https://arxiv.org/abs/1910.06711
