德国小哥用AI拍大片!GPT-2写台词、StyleGAN做特效、Replica来配音

简介: 最近,国外一个技术极客Alex看了电影《阳光泉水》后深受启发,决定自己用AI来生成一部。他首先用GPT-2生成了一段荒诞不经的剧本,接着用StyleGAN2制作了一些人物和视觉特效,还找到了一个超实用的语音生成工具,一起来看下效果吧!

微信图片_20220109010040.png


国外一位网友Vlad Alex十分喜欢电影(Sunspring)《阳光泉水》,着迷于其荒诞的对白,一番搜索发现,剧本的创作者是Benjamin(本杰明)。


     微信图片_20220109010042.gif


这还没完,这位Benjamin其实是一个运用LSTM制作的人工智能程序,由Ross Goodwin 研发。Goodwin不仅是一位AI领域的研究者,还是一位大诗人。

 

之后曾获得英国电影协会提名的英国导演Oscar Sharp完成了影片的拍摄,Thomas Middleditch是本片主角。

 

这些由人工智能写作的剧情,即使充满了荒诞主义,并且由看似随机的短语组成,但在看剧的时候,我们的大脑还是在很用力的理解剧情。

 

Vlad Alex知道了这些后,激动不已,觉得自己也能让AI来拍一部电影,结果真的成功了。

   

微信图片_20220109010044.gif


如何制作自己的AI电影呢?

 

Vlad Alex考虑到自己是电影业余爱好者,没有专业的工作室,因此可以在不影响影片质量的前提下去掉一些可有可无的元素,只保留电影的必要元素:情节、演员和视觉效果、音乐。


生成一份充满荒诞派情节的电影剧本


Alex使用由Openai推出的GPT-2语言模型,为自己生成了电影脚本。

 

GPT-2语言模型的colab版本,可以从下面的网址进入:

 

https://colab.research.google.com/github/mrm8488/shared_colab_notebooks/blob/master/GPT2_with_JS_UI.ipynb

      微信图片_20220109010046.png


在程序中需要输入相关提示语,比如电影有几个主人公,并且设定基本的场景。

 

Alex为电影脚本设定了以下这些信息:


     微信图片_20220109010047.png


接下来从GPT-2语言模型语言模型中提供的各式文本类型中,选择荒诞剧创作,这种创作风格介于贝克特,摩罗扎克和大卫·林奇之间。

 

接下来GPT-2语言模型会输出荒诞剧风格的脚本创作结果:


     微信图片_20220109010049.png


GPT-2语言模型是OpenAI在2019年发布的一种人工智能语言处理模型。今年5月底,OpenAI发布了GPT-3语言模型,基于一系列基准测试和独立的自然语言处理系统,来实现语言翻译,以及生成新闻文章,甚至可以完成SAT考试中的问题回答。

 

Alex使用的GPT-2语言模型,已经学习了40G的文本内容,由15亿个参数共同来生成写作内容。而最新发布的GPT-3语言模型则有高达1750亿个参数来完成语言处理。

 

回看上面生成的文本,我们可以发现由GPT-2语言模型创作生成的文本,具有很强的超现实性。这些内容通常没有实际意义,但是符合一些文学语境。

 

毕竟,这可是学习了40G人类文本的模型啊。

   

微信图片_20220109010051.gif

     

StyleGAN2来一段人物视频特效


Alex是StyleGAN2的超级粉丝,使用StyleGAN2可以轻松地生成一个新面孔,甚至是转场动画。于是Alex用它生成了一些人脸和房间的图像,但是使面部表情和故事描述保持一致,着实费了他不少功夫。  


 微信图片_20220109010053.png


使用StyleGAN2生成的一些图像

 

当然你也可以选择用first order model,也是一个很棒的工作。它的功能简单粗暴,给一个静态图片,给一段驱动视频,就能让静态图动起来,比如用Hinton驱动下法老。

      微信图片_20220109010055.gif

Hinton驱动的法老


通过3 d 肯恩 · 伯恩斯效应,我们也可以将照片转换成魔性的动画。


QQ图片20220109005718.png

点击查看原视频链接


语音Replica Studios生成带情感的


语音生成可能是最古老的机器学习方法之一。「我最喜欢的是 MelNet ,只要听取样本(演讲者或者名人数据集),就可以产生高质量语音的模型」。可惜的是,MelNet 没有一个可用的Colab Notebook。 所以他选择了Amazon Polly。作为 Amazon AWS ai / ml 服务的一部分,Polly 提供各种语言的大量语音,但是Polly产生的语音更像主持人,并不总是适合虚构的内容。 比如Alex为predictions视频生成的语音。

QQ图片20220109005721.png

点击查看原视频链接


可以听到,对话中的声音没有多少感情,并不真正令人信服。 后来Alex发现了Replica Studios,这个工具生成的语音质量效果十分惊艳。  


     微信图片_20220109010057.png      


 Replica Studios的使用非常简单。你按照时间顺序对短语进行排序,并将合适的声音应用到人物身上。  


   微信图片_20220109010059.png


这样就完成了语音生成,直接导出mp3即可!

好了,开拍吧!


情节、演员和视觉效果、音乐都准备好了,开拍吧!


QQ图片20220109005748.png

点击查看原视频链接

这段视频除了花费了Alex大量的精力去剪辑 ,还消耗了他家很多咖啡。。或许最棘手的事情是使用Premiere 及时拉长视频,并将它们与剧情同步。 EmptyRoom为我们展示了机器学习在生成视频方面的巨大潜力,不仅简化了流程,还分享了许多创造性的结果,当灵感枯竭的时候也许AI能带给你一股清泉,一起拥抱人工智能吧!


参考链接:

https://towardsdatascience.com/ai-as-a-movie-maker-e5865b99a06c

相关文章
|
11天前
|
人工智能 API 开发者
Dify x AiOnly平台:手把手教你调用GPT-5从零构建AI工作流!
本文介绍如何通过Dify与AiOnly平台,快速构建基于GPT-5等顶尖大模型的AI应用。涵盖环境部署、模型接入、工作流编排及实战案例,助力开发者低门槛打造专属聊天机器人,轻松实现AI应用落地。(238字)
|
1月前
|
机器学习/深度学习 人工智能 编解码
AI Compass前沿速览:PixVerse V5、gpt-realtime、Grok Code Fast、HunyuanVideo、OmniHuman-1.5、字节WaverAI视频、MiniCPM 4.5等
AI Compass前沿速览:PixVerse V5、gpt-realtime、Grok Code Fast、HunyuanVideo、OmniHuman-1.5、字节WaverAI视频、MiniCPM 4.5等
AI Compass前沿速览:PixVerse V5、gpt-realtime、Grok Code Fast、HunyuanVideo、OmniHuman-1.5、字节WaverAI视频、MiniCPM 4.5等
|
16天前
|
人工智能 自然语言处理 算法
现代AI工具深度解析:从GPT到多模态的技术革命与实战应用
蒋星熠Jaxonic,AI技术探索者,深耕代码生成、多模态AI与提示词工程。分享AI工具架构、实战应用与优化策略,助力开发者提升效率,共赴智能编程新纪元。
|
3月前
|
机器学习/深度学习 人工智能 编解码
AI-Compass LLM合集-多模态模块:30+前沿大模型技术生态,涵盖GPT-4V、Gemini Vision等国际领先与通义千问VL等国产优秀模型
AI-Compass LLM合集-多模态模块:30+前沿大模型技术生态,涵盖GPT-4V、Gemini Vision等国际领先与通义千问VL等国产优秀模型
AI-Compass LLM合集-多模态模块:30+前沿大模型技术生态,涵盖GPT-4V、Gemini Vision等国际领先与通义千问VL等国产优秀模型
|
6月前
|
人工智能 API 语音技术
6.5K star!AI视频翻译配音神器,一键生成多平台适配内容,专业级本地化方案来袭!
KrillinAI 是一款基于 AI 大模型的视频翻译与配音工具,支持 12 种输入语言和 101 种输出语种,提供专业级翻译质量。其核心功能包括跨语言智能转换、全流程自动化处理及多项黑科技如语音克隆、术语替换等。技术架构涵盖 WhisperKit、OpenAI API 和 FFmpeg 等组件,实现从视频输入到多平台输出的一站式服务。项目已开源,详情见 GitHub 地址:https://github.com/krillinai/KrillinAI。
321 1
|
8月前
|
机器学习/深度学习 人工智能 编解码
Evo 2:基因编程AI革命!!DNA版GPT-4问世:100万碱基全解析,自动设计基因编辑器
Evo 2 是一款由 Acr 研究所、英伟达和斯坦福大学联合开发的 DNA 语言模型,可处理长达百万碱基对的序列,支持基因组设计、变异预测及合成生物学研究。
517 5
|
机器学习/深度学习 人工智能 自然语言处理
AI发展与GPT简介
人工智能(AI)是指计算机系统执行通常需要人类智能的任务的能力,如视觉感知、语音识别、决策制定和语言翻译。简而言之,AI就是让计算机模仿人类的思考和行为过程。
1262 0
|
10月前
|
人工智能 API Windows
免费部署本地AI大语言模型聊天系统:Chatbox AI + 马斯克grok2.0大模型(简单5步实现,免费且比GPT4.0更好用)
本文介绍了如何部署本地AI大语言模型聊天系统,使用Chatbox AI客户端应用和Grok-beta大模型。通过获取API密钥、下载并安装Chatbox AI、配置模型,最终实现高效、智能的聊天体验。Grok 2大模型由马斯克X-AI发布,支持超长文本上下文理解,免费且易于使用。
3417 0
|
12月前
|
人工智能 前端开发 测试技术
探索前端与 AI 的结合:如何用 GPT-4 助力开发效率
本文介绍了 GPT-4 如何成为前端开发者的“神队友”,让开发变得更加高效愉快。无论是需求到代码的自动生成、快速调试和性能优化,还是自动化测试和技术选型,GPT-4 都能提供极大的帮助。通过智能生成代码、捕捉 BUG、优化性能、自动化测试生成以及技术支持,GPT-4 成为开发者不可或缺的工具,帮助他们从繁重的手动任务中解脱出来,专注于创新和创意。GPT-4 正在彻底改变开发流程,让开发者从“辛苦码农”转变为“效率王者”。
384 0
探索前端与 AI 的结合:如何用 GPT-4 助力开发效率

热门文章

最新文章