一、来自猫猫的深情告白--基于PaddleGAN精准唇形合成模型实现光棍节猫猫表白视频
1. PaddleGAN的唇形迁移能力--Wav2lip
铛铛铛！！飞桨paddleGAN这就来给大家揭秘，手把手教大家如何实现唇型的迁移，学习过本项目的你们，从此不仅能让苏轼念诗，还能让蒙娜丽莎播新闻、新闻主播唱Rap... 只有你想不到的，没有paddleGAN做不到的！
本教程是基于PaddleGAN实现的视频唇形同步模型Wav2lip, 它实现了人物口型与输入语音同步，俗称「对口型」。 比如这样：
视频：www.bilibili.com/video/BV1KU…
不仅仅让静态图像会「说话」，Wav2lip还可以直接将动态的视频，进行唇形转换，输出与目标语音相匹配的视频，自制视频配音不是梦！
若是大家喜欢这个教程，欢迎到paddleGAN点击star呀！下面就让我们一起动手实现吧！
2.Wav2lip模型原理
Wav2lip实现唇形与语音精准同步突破的关键在于，它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，该研究通过在鉴别器中，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。
该wav2lip模型几乎是万能的，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，可以无缝地与原始视频融合，还可以用于转换动画人脸，并且导入合成语音也是可行的
二、环境准备
1.下载PaddleGAN代码
# 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
Cloning into 'PaddleGAN'... remote: Enumerating objects: 565, done.[K remote: Counting objects: 100% (565/565), done.[K remote: Compressing objects: 100% (315/315), done.[K remote: Total 3944 (delta 326), reused 459 (delta 235), pack-reused 3379[K Receiving objects: 100% (3944/3944), 161.95 MiB | 25.73 MiB/s, done. Resolving deltas: 100% (2534/2534), done. Checking connectivity... done.
2.安装sndfile、libsndfile
# 安装所需安装包 !mkdir sndfile %cd ~/sndfile !wget http://www.mega-nerd.com/libsndfile/files/libsndfile-1.0.28.tar.gz !tar xzvf libsndfile-1.0.28.tar.gz %cd libsndfile-1.0.28 !./configure --prefix=/home/aistudio/build_libs CFLAGS=-fPIC --enable-shared !make !make install
3.安装PaddleGAN
%cd ~/PaddleGAN !pip install -r requirements.txt !pip install -e . %cd applications/
三、数据准备
1.声音准备
选取抖音里得视频，通过ffmp提取声音
!ffmpeg -i 1.mp4 -f s16le -ar 16000 1.wav
%cd ~ !ffmpeg -i 1.mp4 -vn -codec copy 1.m4a
/home/aistudio ffmpeg version 2.8.15-0ubuntu0.16.04.1 Copyright (c) 2000-2018 the FFmpeg developers built with gcc 5.4.0 (Ubuntu 5.4.0-6ubuntu1~16.04.10) 20160609 configuration: --prefix=/usr --extra-version=0ubuntu0.16.04.1 --build-suffix=-ffmpeg --toolchain=hardened --libdir=/usr/lib/x86_64-linux-gnu --incdir=/usr/include/x86_64-linux-gnu --cc=cc --cxx=g++ --enable-gpl --enable-shared --disable-stripping --disable-decoder=libopenjpeg --disable-decoder=libschroedinger --enable-avresample --enable-avisynth --enable-gnutls --enable-ladspa --enable-libass --enable-libbluray --enable-libbs2b --enable-libcaca --enable-libcdio --enable-libflite --enable-libfontconfig --enable-libfreetype --enable-libfribidi --enable-libgme --enable-libgsm --enable-libmodplug --enable-libmp3lame --enable-libopenjpeg --enable-libopus --enable-libpulse --enable-librtmp --enable-libschroedinger --enable-libshine --enable-libsnappy --enable-libsoxr --enable-libspeex --enable-libssh --enable-libtheora --enable-libtwolame --enable-libvorbis --enable-libvpx --enable-libwavpack --enable-libwebp --enable-libx265 --enable-libxvid --enable-libzvbi --enable-openal --enable-opengl --enable-x11grab --enable-libdc1394 --enable-libiec61883 --enable-libzmq --enable-frei0r --enable-libx264 --enable-libopencv libavutil 54. 31.100 / 54. 31.100 libavcodec 56. 60.100 / 56. 60.100 libavformat 56. 40.101 / 56. 40.101 libavdevice 56. 4.100 / 56. 4.100 libavfilter 5. 40.101 / 5. 40.101 libavresample 2. 1. 0 / 2. 1. 0 libswscale 3. 1.101 / 3. 1.101 libswresample 1. 2.101 / 1. 2.101 libpostproc 53. 3.100 / 53. 3.100 Input #0, mov,mp4,m4a,3gp,3g2,mj2, from '1.mp4': Metadata: major_brand : isom minor_version : 512 compatible_brands: isomiso2avc1mp41 encoder : Lavf58.12.100 Duration: 00:00:06.63, start: 0.000000, bitrate: 1437 kb/s Stream #0:0(und): Video: h264 (High) (avc1 / 0x31637661), yuv420p(tv, smpte170m/bt470bg/smpte170m), 720x1280 [SAR 1:1 DAR 9:16], 1300 kb/s, 29.85 fps, 30 tbr, 10000k tbn, 60 tbc (default) Metadata: handler_name : VideoHandler Stream #0:1(und): Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, stereo, fltp, 128 kb/s (default) Metadata: handler_name : SoundHandler [1;35m[ipod @ 0xa63720] [0m[0;33mCodec for stream 0 does not use global headers but container format requires global headers [0mOutput #0, ipod, to '1.m4a': Metadata: major_brand : isom minor_version : 512 compatible_brands: isomiso2avc1mp41 encoder : Lavf56.40.101 Stream #0:0(und): Audio: aac (mp4a / 0x6134706D), 44100 Hz, stereo, 128 kb/s (default) Metadata: handler_name : SoundHandler Stream mapping: Stream #0:1 -> #0:0 (copy) Press [q] to stop, [?] for help size= 104kB time=00:00:06.54 bitrate= 130.3kbits/s video:0kB audio:102kB subtitle:0kB other streams:0kB global headers:0kB muxing overhead: 1.781061%
2.图片或视频
随机网上百度卡通美女照片一张
from PIL import Image img=Image.open('1.jpg') img
四、使用模型进行合成
1.唇形动作合成命令使用说明
重点来啦！！本项目支持大家上传自己准备的视频和音频， 合成任意想要的逼真的视频！！
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，然后运行如下命令，就可以生成和音频同步的视频。
程序运行完成后，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。本项目中提供了demo展示所用到的视频和音频文件。具体的参数使用说明如下：
- face: 原始视频，视频中的人物的唇形将根据音频进行唇形合成--通俗来说，想让谁说话
- audio：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--通俗来说，想让这个人说什么
2.numba降级
numba报错，需要对numba进行降级,但是requirements.txt里为 numba==0.53.1
File "/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/librosa/util/utils.py", line 15, in <module> from .decorators import deprecated File "/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/librosa/util/decorators.py", line 9, in <module> from numba.decorators import jit as optional_jit ModuleNotFoundError: No module named 'numba.decorators'
!pip uninstall numba -y !pip install numba==0.48.0 --user
提示
ERROR: ppgan 2.0.0 has requirement numba==0.53.1, but you'll have numba 0.48.0 which is incompatible. Installing collected packages: numba Successfully installed numba-0.48.0
但是默认高版本就报 ModuleNotFoundError: No module named 'numba.decorators'
!pip list|grep numba
3.视频合成
%cd /home/aistudio/PaddleGAN/applications/ !export PYTHONPATH=$PYTHONPATH:/home/aistudio/work/PaddleGAN && python tools/wav2lip.py --face /home/aistudio/1.jpg --audio /home/aistudio/1.m4a --outfile /home/aistudio/bb.mp4
4.成果展示
视频比较长的话，运行时间会稍长，建议把视频下载到本地预览
视频：www.bilibili.com/video/BV1KU…
五、总结
首先帮大家总结一波：让图片会说话、视频花式配音的魔法--Wav2lip的使用只用三步：
- 环境准备：安装Paddle环境并下载PaddleGAN
- 素材准备：选择（抓取或录制）想要「配音/对口型」的对象以及音频内容
- 运行代码：运行代码并保存制作完成的对口型视频分享惊艳众人
