深度假货：五种方式带来绝佳的商机

 
佛罗里达州圣彼得堡达利博物馆(DalíMuseum)的访客在黑暗的真人大小的屏幕旁边按下门铃。一个身穿黑色西装，留着胡须的深色人影慢慢离开了他的画架，朝着她走来。
当然，是萨尔瓦多·达利(SalvadorDalí)，看着游客，谈论他的艺术和他的博物馆。访客即将离开时，他会再次出现。他问她是否想要一张照片，然后掏出手机，和她合影。
这次相遇的有趣之处在于，实际上是达利本人。西班牙伟大的超现实主义者去世后，即使使用他还活着时不存在的电话，又如何与公众互动?欢迎来到Deepfake的世界，Deepfakes是一种令人不安的技术，极有可能被欺骗-以及一些意外的积极用途。
Deepfake是一种强大的新技术，可以创建逼真的但虚假的视频或音频内容。为了给达利注入生命，博物馆利用深度学习使计算机能够无缝地将像达利那样打扮和举止的活着演员的脸与数字生成的艺术家的脸部和表情图像进行交换。
这涉及一个“训练过程”，其中先进的机器学习算法会筛选Dalí和演员的镜头，以学习生成两人的新的真实面部图像。它还学习拍摄每个人的现有图像，并生成与第一个男人的面部表情和头部姿势完全匹配的另一个男人的图像。
这样就可以生成与演员的动作相匹配的Dalí脸，然后将其自动插入到新视频中，从而产生Dalí本人的错觉。对于感兴趣的人，这里有更多详细信息。
迄今为止，大多数Deepfake的生产者已经利用了该技术的阴暗面。讽刺内容不尽相同，例如愚人节的片段显示马克·扎克伯格(Mark Zuckerberg)宣布要删除Facebook。据说是色情影片中出演的好莱坞明星的名誉受损镜头;欺诈行为，例如模仿首席执行官的声音来请求转移大量资金。
深造的风险是不可否认的。但是达利的例子表明，这项技术不可能是黑白的。在我们的研究中，我们将伪造品分为五类：语音交换，文本到语音，视频人脸交换，全身木偶和口形同步。在每个类别中，我们都会看到明显的商机。有些仍将实现，而另一些已被实现。
1. Ventroloquism 2.0
语音交换可以改变一个人的声音或使其模仿他人的声音。可以操纵它听起来更年轻或更老，无论是男性还是女性，并具有不同的方言或口音。可能的用途包括以不同角色的声音讲话的有声读物叙述者，或使用名人作为叙述者，而无需他们烦恼读出整个故事。
它还为像Siri这样的虚拟助手带来了引人入胜的可能性。音频语音交换无需录制具有不同口音和性别的配音演员，而是只需一个声音就可以做到这一点-任何人都感觉到一款重量级应用正在问世吗?
2.回馈声音
多年来，通过在应用程序中键入文本来使计算机讲话是可能的。现在，即使他们以前没有录制过有问题的单词，deepfake技术也可以用特定人的声音来做到这一点。对于那些已经丧失了语言能力的人(例如患有中风或患有渐进性疾病(例如肌萎缩性侧索硬化症)的人)，这正在成为改变生活的技术。请参见下面的剪辑。
这种音频文本语音转换技术的其他可能用途包括纠正画外音中的拼写错误的单词，而不必让人员再次对其进行录制。
3.“你在跟我说话吗?”
正如我们在达利(Dalí)示例中看到的那样，视频面部替换可以将视频中一个人的面部替换为其他人的面部。这在电影中具有巨大的潜力。
例如，一位专业的虚假艺术家演示了如何使用与达利博物馆类似的技术来破坏《爱尔兰人》中的罗伯特·德尼罗，而不是使用昂贵且耗时的CGI来将电影的总制作成本推高至美国1.75亿美元(1.35亿英镑)。下面的剪辑显示了Deepfake技术如何实现类似的质量。该技术的另一种可能用途是使栩栩如生的特技翻倍。
4.游戏开始
视频全身木偶可以将一个人的身体移动到另一个人的身体。可能的用途包括更具身临其境的视频游戏，玩家可以根据自己的步态和动作特点将自己插入动作中;以及电影中非舞蹈演员似乎可以使用专业舞者的镜头跳舞的电影。
5.字幕RIP
音频和视频的口形同步可以改变视频中的嘴巴动作和口语。不久将有可能制作具有成本效益的高质量电影，电视节目和其他视频的翻译。训练有素的算法会模仿原始演员的声音，但会以另一种语言来模仿，使嘴唇动作与新单词同步。
因此，尽管很明显，伪造品可以并且正在被有害地使用，但相同的深度学习技术也正在打开许多创新的业务应用程序。许多创造性和生产性的可能性正在逐渐显现-毫无疑问，还有许多其他人们尚未发现的可能性。