在換臉AI ZAO被負面評論淹沒的同時，一款開源換臉工具FaceSwap今天以超過23000星登上GitHub排行榜。ZAO有風險，用開源軟件自己玩更安全！

換臉AI ZAO仍排在免費App下載排行榜第一名，但自8月31日上線以來，ZAO已經(jīng)被負面評論淹沒。與其說是一款“爆品”，ZAO更像一款“雷品”。

有人評論： “才知道條款這么不公平，可惜已經(jīng)晚了，沒有關注到，現(xiàn)在的人也都不會去看條款?！? “無論出于何種角度，你都不應該自己使用這款軟件，除非你想用來做壞事。如果你對功能好奇，請使用開源軟件自己玩，否則不知道你的照片哪天跑到什么地方?！? “垃圾，流氓軟件！” 另一則評論補充道。 ZAO 是一款 AI 換臉軟件，用戶只需要一張正臉照就可以將視頻中的人物替換為自己的臉，實現(xiàn)自己的 “明星夢”。一時間，在微信朋友圈以及抖音等社交軟件上被大量用戶的視頻刷屏。

ZAO 盡管ZAO已經(jīng)通過修改用戶協(xié)議來回應投訴。新協(xié)議規(guī)定，未經(jīng)用戶事先同意，應用程序上生成的內(nèi)容將不再用于其他目的。新協(xié)議還說，如果用戶刪除 ZAO 上的內(nèi)容，該內(nèi)容也將從 ZAO 的數(shù)據(jù)庫中刪除，并聲明用戶有責任獲得在應用程序中使用肖像的授權。

但網(wǎng)友并不買賬：AppStore 中 ZAO 的評分已由此前的 4.6 分降至 1.9 分，超過4000條評論中，不少在批判ZAO的“霸王條款”，許多用戶抱怨隱私問題。 網(wǎng)友的擔心還因為ZAO似乎與陌陌公司脫不開干系，據(jù)悉，ZAO 的開發(fā)商為長沙深度融合網(wǎng)絡科技有限公司，其背后為海南喵咖網(wǎng)絡科技的全資子公司，該公司兩個的實際控制人為雷小亮與王力（分別占股 50%），而雷小亮與王力均是陌陌公司高管。

去年，陌陌被爆出有人在暗網(wǎng)以200元的“白菜價”兜售陌陌3000萬條用戶數(shù)據(jù)，引發(fā)輿論嘩然。因此，ZAO的隱私保護問題更令用戶敏感。

faceswap登上GitHub trending AI 換臉并非新鮮事，支持這種被稱為 Deepfakes 的機器學習技術已經(jīng)相當成熟，F(xiàn)aceApp 作為迄今最著名和最臭名昭著的換臉 App 甚至遭到美國封殺。 何不用開源軟件自己玩？開源的AI換臉工具FaceSwap今天登上GitHub熱榜第二，星星數(shù)高達23103，再次證明換臉的熱度。 用開源軟件玩換臉：FaceSwap登上GitHub熱榜 開源的AI換臉工具FaceSwap今天登上GitHub熱榜第二，星星數(shù)高達23103，下面是FaceSwap的詳細使用教程。 FaceSwap是一個利用深度學習來識別和交換圖片和視頻中的人臉的工具。

在其“聲明”中，開發(fā)者寫道：

FaceSwap不允許用來創(chuàng)建不合適的內(nèi)容的。

FaceSwap不允許在未經(jīng)同意的情況下或為了隱藏其用途而換臉。

FaceSwap不允許用于任何非法、不道德或可疑的目的。

FaceSwap的存在是為了試驗和發(fā)現(xiàn)AI技術，用于社會或政治評論、電影以及任何道德和合理用途。

不過，要使用FaceSwap并不難，GitHub repo提供了極為詳細的訓練教程，你需要做的只有：

收集照片和/或視頻

從原始照片中提取人臉

利用從照片/視頻中提取的人臉訓練一個模型

使用訓練好的模型對自己的照片/視頻進行換臉

安裝faceswap

硬件要求TL; DR：你至少需要以下其中一項：

一個強大的 CPU

筆記本電腦 CPU 通常可以運行軟件，但速度不夠快，無法以合理的速度進行訓練

一個強大的 GPU

目前，Nvidia GPU 完全支持。AMD顯卡通過 plaidML 部分支持。

如果強大的CPU和GPU都沒有，那么你需要非常耐心

支持的操作系統(tǒng)：Windows 10、Linux、macOS，為了運行TensorFlow，所有操作系統(tǒng)都必須是64-bit。 獲取 faceswap 代碼建議使用 git 克隆 repo，這樣可以更容易地獲取最新代碼（可以從 GUI 完成） 。 要克隆存儲庫，你可以使用 Git GUI 進行分發(fā)或打開命令提示符，輸入要存儲 faceswap 的文件夾，然后輸入：

git clone https://github.com/deepfakes/faceswap.git設置輸入你的虛擬環(huán)境，然后輸入 faceswap 已下載到的文件夾并運行：

python setup.py運行項目安裝完所有要求的設置后，就可以嘗試運行 faceswap 工具。 使用-h或--help選項作為選項列表。

python faceswap.py -h 或運行gui以啟動 GUI

python faceswap.py gui 下面是一個使用faceswap換臉的結(jié)果示例（來自知乎用戶moto-faith）：

從 Deepfake 到 HeadOn：換臉技術發(fā)展簡史

除ZAO、faceswap，如今的變臉技術已經(jīng)越來越先進，甚至達到不僅換臉，還能“換人”的地步——同時改變面部表情、眼球運動和身體動作。下面介紹一些換臉技術的發(fā)展簡史。

1、Deepfake

我們先看看最大名鼎鼎的 Deepfake 是何方神圣。

Deepfake 即 “deep learning” 和 “fake” 的組合詞，是一種基于深度學習的人物圖像合成技術。它可以將任意的現(xiàn)有圖像和視頻組合并疊加到源圖像和視頻上。

Deepfake 允許人們用簡單的視頻和開源代碼制作虛假的色情視頻、假新聞、惡意內(nèi)容等。后來，deepfakes 還推出一款名為 Fake APP 的桌面應用程序，允許用戶輕松創(chuàng)建和分享換臉的視頻，進一步把技術門檻降低到 C 端。

特朗普的臉被換到希拉里身上

由于其惡意使用引起大量批評，Deepfake 已經(jīng)被 Reddit、Twitter 等網(wǎng)站封殺。

2、Face2Face

Face2Face 同樣是一項引起巨大爭議的 “換臉” 技術。它比 Deepfake 更早出現(xiàn)，由德國紐倫堡大學科學家 Justus Thies 的團隊在 CVPR 2016 發(fā)布。這項技術可以非常逼真的將一個人的面部表情、說話時面部肌肉的變化、嘴型等完美地實時復制到另一個人臉上。它的效果如下：

Face2Face 被認為是第一個能實時進行面部轉(zhuǎn)換的模型，而且其準確率和真實度比以前的模型高得多。

3、HeadOn

HeadOn可以說是 Face2Face 的升級版，由原來 Face2Face 的團隊創(chuàng)造。研究團隊在 Face2Face 上所做的工作為 HeadOn 的大部分能力提供了框架，但 Face2Face 只能實現(xiàn)面部表情的轉(zhuǎn)換，HeadOn 增加了身體運動和頭部運動的遷移。

也就是說，HeadOn 不僅可以 “變臉”，它還可以 “變?nèi)恕薄?根據(jù)輸入人物的動作，實時地改變視頻中人物的面部表情、眼球運動和身體動作，使得圖像中的人看起來像是真的在說話和移動一樣。

HeadOn 技術的圖示

研究人員在論文里將這個系統(tǒng)稱為 “首個人體肖像視頻的實時的源到目標（source-to-target）重演方法，實現(xiàn)了軀干運動、頭部運動、面部表情和視線注視的遷移”。

4、Deep Video Portraits

Deep Video Portraits是斯坦福大學、慕尼黑技術大學等的研究人員提交給今年 8 月 SIGGRAPH 大會的一篇論文，描述了一種經(jīng)過改進的“換臉”技術，可以在視頻中用一個人的臉再現(xiàn)另一人臉部的動作、面部表情和說話口型。

例如，將普通人的臉換成奧巴馬的臉。Deep Video Portraits 可以通過一段目標人物的視頻（在這里就是奧巴馬），來學習構成臉部、眉毛、嘴角和背景等的要素以及它們的運動形式。

5、paGAN：用單幅照片實時生成超逼真動畫人物頭像

最新引起很大反響的 “換臉” 技術來自華裔教授黎顥的團隊，他們開發(fā)了一種新的機器學習技術paGAN，能夠以每秒 1000 幀的速度對對人臉進行跟蹤，用單幅照片實時生成超逼真動畫人像，論文已被 SIGGRAPH 2018 接收。

Pinscreen 拍攝了《洛杉磯時報》記者 David Pierson 的一張照片作為輸入（左），并制作了他的 3D 頭像（右）。這個生成的 3D 人臉通過黎顥的動作（中）生成表情。這個視頻是 6 個月前制作的，Pinscreen 團隊稱其內(nèi)部早就超越了上述結(jié)果。

用AI“反AI”：打擊假視頻，“反換臉”精度高達99%

在打擊假視頻方面，政府機構和高校沖在了最前線：

MIT GANpaint Studio，既當獵手又當獵物

因為GAN天生的對抗性特質(zhì)，MIT聲稱其用來生成逼真圖像的工具GANpaint Studio，反過來也可以檢測圖像的真?zhèn)巍?/p>

美國防部推首款AI偵測工具，“反換臉”精度99%！

美國國防部研究機構 DAPRA 研發(fā)出了首款“反變臉”的AI刑偵檢測工具。

這款AI反變臉刑偵工具是DARPA Media Forensics 計劃的一部分。早在去年 5 月，DARPA 便提出了要研發(fā)針對AI變臉技術的需求，讓現(xiàn)有的刑偵檢測工具變得自動化，能夠檢測近來涌現(xiàn)的AI假臉。

DARPA Media Forensics 項目負責人 Matthew Turek 表示，他們在GAN生成的假臉中發(fā)現(xiàn)了一些細微的線索，由此檢測出圖像或視頻中的臉是真實的還是AI生成的。

P圖美顏1秒識破，Adobe伯克利聯(lián)手打造“反PS”神器

Adobe與加州大學伯克利分校的科學家們，利用機器學習技術，就可以檢測出面部圖像是不是被人為修改過。

這項新研究旨在更好地檢測圖像、視頻、音頻和文檔的編輯修改，是邁向圖像取證全面推進的重要一步。

經(jīng)過訓練之后算法非常有效。面對經(jīng)后期編輯過的面部圖像，人類志愿者選出正確的答案的概率是53%，而算法的判斷正確率高達99％。這款工具甚至能夠建議如何將照片恢復成為原來未編輯的狀態(tài)。

伯克利緊急研發(fā)“火眼金睛”防偽克星

除了和Abode合作，加州大學伯克利分校和南加州大學的研究人員發(fā)現(xiàn)了一種自動識別這些虛假視頻的新方法：利用當前深度技術中被忽視的一些東西，能從Deepfake制假者未注意到的面部細節(jié)入手，準確"揪出"假視頻。

通俗來講，每當我們開口說話時，都會以微妙但獨特的方式來移動身體，我們的頭、手、眼睛甚至嘴唇都會產(chǎn)生這樣的運動。這一切都是在潛意識里完成的，你沒有意識到你的身體正在做這件事，大腦也沒有立刻意識到身體其他部位的運動發(fā)生在何時，但從結(jié)果上看，這是一個目前Deepfake在創(chuàng)造假視頻時的時候沒有考慮到的因素。

在實驗中，這款新的AI準確發(fā)現(xiàn)偽造視頻的幾率達到了92%，實驗對象包括使用多種技術創(chuàng)建的假視頻，以及由于視頻文件被過度壓縮導致圖像質(zhì)量下降的視頻。 其他一些研究 除上述項目外，還有很多人在從事反假視頻的工作。在論文+代碼網(wǎng)站上有一些不錯的論文，感興趣的讀者可以看一下： https://paperswithcode.com/task/fake-image-detection