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

简介: 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

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!

image.png


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.
remote: Counting objects: 100% (565/565), done.
remote: Compressing objects: 100% (315/315), done.
remote: Total 3944 (delta 326), reused 459 (delta 235), pack-reused 3379
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
[ipod @ 0xa63720] Codec for stream 0 does not use global headers but container format requires global headers
Output #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

image.png


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:


  1. 环境准备:安装Paddle环境并下载PaddleGAN
  2. 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
  3. 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


目录
打赏
0
0
0
0
10
分享
相关文章
基于PaddleGAN精准唇形合成模型实现美女表白视频
基于PaddleGAN精准唇形合成模型实现美女表白视频
743 0
基于PaddleGAN精准唇形合成模型实现美女表白视频
羡慕《钢铁侠》电影里科技感满满的全息手势交互吗?现在你也可以!试试这款【本地手势识别案例】
羡慕《钢铁侠》电影里科技感满满的全息手势交互吗?现在你也可以!试试这款【本地手势识别案例】
212 0
2023跨年烟花(浪漫烟花+美妙音乐+雪花飘飘)含前端源码直接下载---系列最终篇
2023跨年烟花(浪漫烟花+美妙音乐+雪花飘飘)含前端源码直接下载---系列最终篇
672 0
2023跨年烟花(浪漫烟花+美妙音乐+雪花飘飘)含前端源码直接下载---系列最终篇
第320场周赛赛后分析总结(前三题)
前言 几个星期没打周赛,手感生疏了好多,果然算法题还是得勤加练习,多找适应比赛的感觉。 同时,第二、三题都是图和树相关的内容,像我这种对这个专题还不熟的也可以借此机会巩固一下。
106 0
黑镜狗再现!波士顿动力「大黄狗」上岗SpaceX,勘察火箭爆炸现场
近日,SpaceX星际飞船爆炸现场上演了如同「黑镜」中的一幕。一只来自波士顿动力的「大黄狗」在星舰原型SN10爆炸现场附近巡逻,并帮助工人清理和回收火箭零部件。这一场景引来众多网友围观,称其为黑镜狗。
178 0
黑镜狗再现!波士顿动力「大黄狗」上岗SpaceX,勘察火箭爆炸现场
我把无人车的避障技术装进了iPad,刺激手部为盲人导航,杂货间也能畅通无阻
我把无人车的避障技术装进了iPad,刺激手部为盲人导航,杂货间也能畅通无阻
223 0
爱豆蔡徐坤的音乐能量就是这么大!ikun追梦音乐计划圆梦乡村孩子~
蔡徐坤联合应援粉丝团与海南成美慈善基金会联合阿里巴巴公益平台共同发起了“童声飞扬·蔡徐坤追梦音乐计划”,一起为乡村小学组建童声合唱团,圆乡村孩子的音乐梦。
2465 1
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等