短視頻造假術，你值得擁有

07-05

短視頻造假術，你值得擁有

來自專欄智能相對論

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。到了現代社會，面對著互聯網上那些似是而非的龐雜信息，「有圖有真相」開始成為網友們的訴求。

可以看出，絕大多數人都是認同一點的——只有拿出堅實的證據，才能證明你說的就是真相。將這些證據的說服力排一個序，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，音頻和視頻已經被視為更可靠的證據來源，但是，在AI入軍短視頻製作後，事情正在發生著改變。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可沒那麼簡單，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」里，最重要的不是圖像的拼接，而是音頻的連續性。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「同台演出」了，沒有他們講話的聲音，其效果大概就等於N張靜態照片疊加而已。

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練AI的學習系統，讓系統的神經網路學會如何將各種語音特徵與對應的口型聯繫在一起，生成CGI唇動，在3D姿態匹配的幫助下將CGI唇動與奧巴馬的視頻整合在一起。也就是說，他們能夠利用相關音軌偽造一段令人難辨真偽的視頻。

利用AI系統，用戶可以任意編輯人類語音，Adobe曾表示它可以像 Photoshop 編輯圖片一樣用於調整視頻中的發音和對話。我們現在可以創建政治家、名人、演說家的視頻片段，並且不論內容如何。

2. 中級階段：改頭換面

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

這一技術屬於動作捕捉技術中的一個分支，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《星球大戰外傳：俠盜一號》中，技術人員通過捕捉一位現代演員蓋·亨利的表情，合成了另外一位已經逝世的演員彼得·庫欣，使其再次出現在了大熒幕上。

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網路，用從人類運動視頻中提取的成對圖像和姿勢訓練之後，它能夠為一個人合成出沒做過的新姿勢。而且，這個模型在沒有經過刻意訓練的情況下，能夠生成一段連續的視頻。

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。

（圖為該技術合成的網球運動視頻 GIF來源：量子位公眾號）

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

偽造與證偽的技術總是交互上升

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。隨意放在網上的視頻和聲音都需要我們去認真辨別，如果有非法分子利用該技術進行信息詐騙，我們雖然不是權貴，但也經不起損失。

尤其在新聞業，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，也會開始產生懷疑。所以，如果AI能夠讓我們像處理圖片一樣輕鬆處理音頻、視頻內容，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更加精密的技術來增強音頻、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。

現在，鑒別AI所做的偽造和處理其實並不難，模糊處理是一種最常見的方法，低解析度就會讓它「一看就是假的。」

除了畫質，還有畫幅的甄別。在短視頻里，畫面里的一點改動憑藉人的肉眼是很難識別的。在 50% 的情況下人類是可以正確區分的，而且大部分是隨機猜測。當AI通過大量的深度學習後，卷積神經網路可以在 87 %到 98 %的情況下正確區分視頻畫面里修改過的和未修改過的圖像。

德國慕尼黑技術大學的研究人員還開發了一種名為「XceptionNet」的演算法，它能快速發現發布在網上的偽造視頻，除此之外，還可以用來識別互聯網上的誤導性視頻。這個人工智慧演算法主要集成到瀏覽器或社交媒體插件中，在後台運行，如果它識別出被操縱的圖像或視頻，它就會給用戶發布警告信息，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想，尤其是多媒體的造假，更是怎麼看都覺得可怕。然而，還是那句老話，技術是無罪的，有罪的是那些有著邪惡用心的人。

將AI造假術的使用者換一批人，是不是更能物盡其用呢？有人說，人會經歷三次死亡：第一次是身體停止運轉導致的生理上死亡；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託，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，就已經有人通過語音合成技術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後，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，未嘗不是人們一解相思之苦的辦法。

AI造假短視頻應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可以建立豐富的資料庫，依賴於深度學習來進行更多應用場景的選擇，使得這些在視頻里被「復活」的人們，能夠在不同的場景里出現，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，實現一對一的記憶歸屬。

結論：

其實，我們完全不用把AI造假想得那麼壞。技術不是目的，只是手段，找對了用途，「造假術」也是有情懷的。

【完】

智能相對論（微信id:aixdlun）：深挖人工智慧這口井，評出鹹淡，講出黑白，道出深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬體、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背後的晶元、演算法、人機交互等。