短視頻造假術(shù)，你值得擁有

原標題：短視頻造假術(shù)，你值得擁有

文 | 顏璇

來源 | 智能相對論（aixdlun）

從古至今，“欺騙”和“造假”這兩個詞可謂是貫穿了人類的歷史。到了現(xiàn)代社會，面對著互聯(lián)網(wǎng)上那些似是而非的龐雜信息，“有圖有真相”開始成為網(wǎng)友們的訴求。

可以看出，絕大多數(shù)人都是認同一點的——只有拿出堅實的證據(jù)，才能證明你說的就是真相。將這些證據(jù)的說服力排一個序，大概是文本＞照片＞音頻＞視頻。

然而，隨著PS的興起，“照騙”漸漸失去了人們的信任，音頻和視頻已經(jīng)被視為更可靠的證據(jù)來源，但是，在AI入軍短視頻制作后，事情正在發(fā)生著改變。在未來，人們可能需要處理更多真假難辨的音視頻。

AI在視頻造假上的進階之路

在尋常人看來，短視頻造假的方式無非就是一些“斷章取義”的剪輯罷了。然而，AI可沒那么簡單，在短視頻“造假”上，它不止要以假亂真，更要無中生有。通常來說，AI在短視頻上造假的方式有以下三種：

1. 初級階段：移花接木

在短視頻“造假術(shù)”里，最重要的不是圖像的拼接，而是音頻的連續(xù)性。想一想，即使你將奧巴馬和特朗普兩個人的視頻剪輯在一起，想要告訴大家他們“同臺演出”了，沒有他們講話的聲音，其效果大概就等于N張靜態(tài)照片疊加而已。

AI正在試圖合成人們在實際中從未說過的話。研究人員就曾利用奧巴馬的演講視頻訓(xùn)練AI的學(xué)習(xí)系統(tǒng)，讓系統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)會如何將各種語音特征與對應(yīng)的口型聯(lián)系在一起，生成CGI唇動，在3D姿態(tài)匹配的幫助下將CGI唇動與奧巴馬的視頻整合在一起。也就是說，他們能夠利用相關(guān)音軌偽造一段令人難辨真?zhèn)蔚囊曨l。

利用AI系統(tǒng)，用戶可以任意編輯人類語音，Adobe曾表示它可以像 Photoshop 編輯圖片一樣用于調(diào)整視頻中的發(fā)音和對話。我們現(xiàn)在可以創(chuàng)建政治家、名人、演說家的視頻片段，并且不論內(nèi)容如何。

2. 中級階段：改頭換面

在這個階段里，AI就不是合成了，而是對視頻里的內(nèi)容進行編輯。通過人臉檢測和五官識別，對人臉的關(guān)鍵點實時追蹤，讓人們在動態(tài)視頻中可以對自己臉進行改造。

這一技術(shù)屬于動作捕捉技術(shù)中的一個分支，叫面部捕捉。這些臉上的黃點，就是人臉表情變化中的關(guān)鍵點，通過面部追蹤，計算機只需要這些信息就能合成表情。

近日，微視就發(fā)布了安卓4.4版本，推出了實時美妝、五官重塑等新功能，包括此前已在iOS版本上線的實時長腿、音控魔法功能，也在安卓上同步更新。

視頻里化妝都是小兒科了，AI還能在視頻里給你換臉呢。在電影《星球大戰(zhàn)外傳：俠盜一號》中，技術(shù)人員通過捕捉一位現(xiàn)代演員蓋·亨利的表情，合成了另外一位已經(jīng)逝世的演員彼得·庫欣，使其再次出現(xiàn)在了大熒幕上。

3. 高級階段：無中生有

合成聲音尚能理解，合成動作你敢相信嗎？近日，在MIT(麻省理工學(xué)院）的論文Synthesizing Images of Humans in Unseen Poses中，研究人員提出了一種模塊化的生成神經(jīng)網(wǎng)絡(luò)，用從人類運動視頻中提取的成對圖像和姿勢訓(xùn)練之后，它能夠為一個人合成出沒做過的新姿勢。而且，這個模型在沒有經(jīng)過刻意訓(xùn)練的情況下，能夠生成一段連續(xù)的視頻。

也就是說，單憑一張照片，AI就能隨意擺布照片中的人，使人物作出一系列動作，視頻的合成非常自然。

（圖為該技術(shù)合成的網(wǎng)球運動視頻 GIF來源：量子位 公眾號）

這當然只是新技術(shù)的冰山一角，我們很難對現(xiàn)代人工智能的視頻處理技術(shù)做出全面的概述，但我們總能從中找出一些有意思的應(yīng)用。例如：從一張 2D 圖片中創(chuàng)建 3D 面部模型；改變視頻中的光源和陰影；在總統(tǒng)選舉直播中讓特朗普變成禿頭等等。

偽造與證偽的技術(shù)總是交互上升

不得不說，AI確實具有很強的視頻造假能力。但我們也逐漸意識到了視頻造假的危害。隨意放在網(wǎng)上的視頻和聲音都需要我們?nèi)フJ真辨別，如果有非法分子利用該技術(shù)進行信息詐騙，我們雖然不是權(quán)貴，但也經(jīng)不起損失。

尤其在新聞業(yè)，一旦人們知道目前有偽造的視頻和音頻在傳播，即使他們看到的是真實視頻，也會開始產(chǎn)生懷疑。所以，如果AI能夠讓我們像處理圖片一樣輕松處理音頻、視頻內(nèi)容，這其實在某種程度上削弱了媒體的可信度。

幸運的是，道高一尺，魔高一丈，偽造與證偽的技術(shù)總是交互上升。這就是一場“軍備競賽”。AI讓越來越多的人都有能力進行偽造，但研究人員也不斷在開發(fā)更加精密的技術(shù)來增強音頻、圖片和和視頻的鑒別。通過不斷增加造假難度，使得非法分子造假的成本和技能要求越來越高。

現(xiàn)在，鑒別AI所做的偽造和處理其實并不難，模糊處理是一種最常見的方法，低分辨率就會讓它“一看就是假的。”

除了畫質(zhì)，還有畫幅的甄別。在短視頻里，畫面里的一點改動憑借人的肉眼是很難識別的。在 50% 的情況下人類是可以正確區(qū)分的，而且大部分是隨機猜測。當AI通過大量的深度學(xué)習(xí)后，卷積神經(jīng)網(wǎng)絡(luò)可以在 87 %到 98 %的情況下正確區(qū)分視頻畫面里修改過的和未修改過的圖像。

德國慕尼黑技術(shù)大學(xué)的研究人員還開發(fā)了一種名為 “XceptionNet” 的算法，它能快速發(fā)現(xiàn)發(fā)布在網(wǎng)上的偽造視頻，除此之外，還可以用來識別互聯(lián)網(wǎng)上的誤導(dǎo)性視頻。這個人工智能算法主要集成到瀏覽器或社交媒體插件中，在后臺運行，如果它識別出被操縱的圖像或視頻，它就會給用戶發(fā)布警告信息，向視頻中涉及的人員透露他們被“偽造”了。

造假不如造回憶

仔細想一想，“造假”似乎總是讓人有著不好的聯(lián)想，尤其是多媒體的造假，更是怎么看都覺得可怕。然而，還是那句老話，技術(shù)是無罪的，有罪的是那些有著邪惡用心的人。

將AI造假術(shù)的使用者換一批人，是不是更能物盡其用呢？有人說，人會經(jīng)歷三次死亡：第一次是身體停止運轉(zhuǎn)導(dǎo)致的生理上死亡；第二次是舉行完葬禮代表你社會位置的消失；第三次是當世界上沒人再記得你的時候，真正意義上的死亡。

當你的親人即將離開這個世界的時候，你是否想過用科技的方式，將親人的音容笑貌化為情感寄托，換一種形式陪伴在你身邊呢？也許這樣，也能讓親人的“第三次死亡”來得更慢一點。

目前，就已經(jīng)有人通過語音合成技術(shù)記錄下了自己的聲音，將自己的聲音載入了一個智能音箱，以此來確保即使在自己去世后，親人也能與自己進行語音交互。

而如果能通過一張照片就換來親人“栩栩如生”的動態(tài)，未嘗不是人們一解相思之苦的辦法。

AI造假短視頻應(yīng)該是一個不斷提升價值的過程，而不是被宵小們所利用。一方面，AI可以建立豐富的數(shù)據(jù)庫，依賴于深度學(xué)習(xí)來進行更多應(yīng)用場景的選擇，使得這些在視頻里被“復(fù)活”的人們，能夠在不同的場景里出現(xiàn)，滿足人們的更多情感需求。另一方面，將造假變成造回憶，收集某個人的圖像和音頻素材，為用戶個性化建模，實現(xiàn)一對一的記憶歸屬。

結(jié)論：

其實，我們完全不用把AI造假想得那么壞。技術(shù)不是目的，只是手段，找對了用途，“造假術(shù)”也是有情懷的。

【完】

智能相對論（微信id:aixdlun）：深挖人工智能這口井，評出咸淡，講出黑白，道出深淺。重點關(guān)注領(lǐng)域：AI+醫(yī)療、機器人、智能駕駛、AI+硬件、物聯(lián)網(wǎng)、AI+金融、AI+安全、AR/VR、開發(fā)者以及背后的芯片、算法、人機交互等。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。