• 媒体品牌
    爱范儿
    关注明日产品的数字潮牌
    APPSO
    先进工具,先知先行,AIGC 的灵感指南
    董车会
    造车新时代,明日出行家
    玩物志
    探索城市新生活方式,做你的明日生活指南
  • 知晓云
  • 制糖工厂
    扫描小程序码,了解更多

「中国马斯克」,只是假脸江湖的冰山一角

软件

2022-05-20 14:46

中国网民向来有个硅谷英雄情结,总喜欢把硅谷创业明星「本地化」。

继乔布斯之后,如今被网民们讨论最多的硅谷企业家明星当属富可敌国又屡出狂言的马斯克。

追捧马斯克的一方会说中国孕育不出第二个敢说敢做的梦想家,讨厌马斯克的人则认为中国不需要再多一个夸夸其辞的资本家。

但当「中国马斯克」在抖音上爆火后,追捧和讨厌马斯克的人都沉默了。

这个操着一口纯正方言和蹩脚英语的「中国马斯克」看起来是如此的荒谬、怪异,看久了后你却会发现他还有几分合理。

虽然视频中「马一龙 0」的行头、背景不够前世界首富精致,但他眉宇间那种不把世俗放在眼里的野性,又是如此的真实。

当观众看到他捧起一只纸做的小蓝鸟说出「爱老虎油」后,一直紧皱的眉头终于绷不住了,爆笑之后不仅感叹现在土味视频的热点意识竟然如此新锐。

很快,这颗荒诞的陨石猛烈地撞击在了互联网星球上,引起了病毒式的传播。

好事的网友将这则视频传到了 Twitter 上,询问真正爱上小蓝鸟的马斯克怎么看待他在大洋彼岸的「中国替身」。

显然,两者的撞脸程度之高让见惯了大场面的马斯克本人也感到难以置信,马斯克表示他还挺有兴趣与「马一龙 0」见上一面,前提是这位撞脸兄弟真的存在。

听到马斯克发起的互动请求后,位于河北的「马一龙 0」也发了一条微博回应,称自已也很想与「李逵」本人相见。

就在大家期待这个双向奔赴的故事能够有个美好的结局时,「马一龙 0」的微博账号在本周突然被微博禁言,多条模仿马斯克的视频已被删除。

在「马一龙 0」爆火时,很多网友就已经怀疑「马一龙 0」的视频是采用 Deepfakes 换脸技术制作,一些网友还凭借视频的零星信息找到了疑似「马一龙 0」本人的真实照片,发现两者长相的差异还是很明显的。

「马一龙 0」被微博的封禁后,这场「李鬼见李逵」的撞脸闹剧基本上已坐实了造假的事实,只要再给互联网一点时间,这位河北小伙很快就会被遗忘在互联网的长河中。

但在「马一龙 0」消失后,谁知道下一个「马一龙 1」「马应龙 2」什么时候冒出来呢?

泛滥的假脸

「模仿明星」一直是很多毫无人气的素人在短时间内吸引关注的惯用伎俩。

点开抖音、快手等短平台直播平台,像「周口杰伦」PK「俊杰烧饼」的荒诞场景比比皆是。

如果说利用服装造型、化妆来模仿是生产假明星的石器时代的话,那么如今「造假」早已加速迈入了 AI 时代,即使造假者的体型、外貌与明星有天差地别,只要导入大量的照片供机器学习,就能造出像「马一龙 0」这么逼真的效果。

去年,汤姆克鲁斯就曾以类似的方式在 Tiktok 里火了一把。

在名叫 DeepTomCruise 的账号发布的视频中,人们发现一向帅气高冷的汤姆克鲁斯竟然像个热情的大男孩一样和大家分享自己的日常生活,并且意外的话痨和幽默。

结合用户名的 Deep 前缀,很显然这是一条用 Deepfake 技术合成的后期视频。

但让很多人感到惊奇的是,这些视频的完成度相当高,普通人很难看出其中的破绽,于是「假汤姆克鲁斯」的视频在 Tiktok 上被疯传,很快就获得了超过 1 亿的浏览量和 340 万粉丝。

「假汤姆克鲁斯」的走红让其创作者 Chris Umé 真切地感受到了互联网对于「造假」的热情,他在个人 YouTube 账号上向粉丝解释了「假汤姆克鲁斯」是如何制作的,其中使用到的核心技术是著名开源换脸项目 DeepFaceLab。

DeepFaceLab 可以说是目前最流行的 AI 换脸方式,其作者 Ivan Perov 在 Github 上的项目介绍上自信地写道「目前 95% 的 Deepfake 视频都是用 DeepFaceLab 制作」。

DeepFaceLab 换脸的逻辑并不复杂,大概可以分为检测人脸、调整角度、替换人脸等几个步骤,理论上只要给算法足够多的人脸信息学习,DeepFaceLab 就能做出以假乱真的换脸效果。

在「假汤姆克鲁斯」等制作过程中,Chris Umé 便是用机器学习了大量汤姆克鲁斯真脸后,找出角度最合适的「真脸」替换上去。

当然,AI 换脸实际操作起来要比理论上复杂得多,如果只是把脸做替换,当人物快速移动、脸被遮挡、又或者是照镜子时就很容易出现破绽,因此要做出一个逼真的造假视频还需要很多后期工作。

Chris Umé 称在制作视频的早期,光是训练 AI 人工模型就花了 2 个月时间,在人脸完成替换工作后,他还要逐帧逐帧进行调整,以求达到最好的效果。

现在,「假汤姆克鲁斯」经过多个版本的迭代后,像是吃棒棒糖、带墨镜、喝酒这种普通的脸部遮挡已经基本不会对假脸造成影响,在 Chris Umé 发布的最新视频中,这张帅气的假脸甚至在镜子上也能「如实」地还原,逼真程度又上了一个台阶。

Chris Umé 在接受 The Verge 采访时提到,他相信 Deepfake 技术会像过去 Photoshop 改变照片编辑那样,改变人们对于视频编辑的看法。

事实上,包括 Snapchat、迪斯尼、字节跳动在内的大公司们都开展了与 DeepFaceLab 技术相关了研究,发表了一系列的专利和论文。

▲ 图片来自:Vice

但在林林总总的换脸视频中,像 Chris Umé 这样非恶意使用的创作者仍是少数,更多的人是把 Deepfake 作为释放恶的工具,用于创造色情内容、恶意传播错误信息。

在 Vice 最近关于 Deepfake 技术的一篇报道中提到,2019 年有 96% 的 Deepfake 的视频都是色情内容,并且在 Deepfake 色情网站上每天都有数十部作品上传,而其中绝大多数被替换上人脸的「脸主人」对此毫不知情。

Deepfake 视频市场就像是一座庞大冰山,人们平时看到的换脸视频只是冰山显露出的一角,而更多不可见人的内容埋藏在阴暗的海水之下。

色情和恶意的 Deepfake 视频泛滥毫无疑问是对被替换者肖像权的侵犯,包括 Twitter 在内的社交平台都对恶意 Deepfake 有严格的打击措施,然而这依然很难阻止相应内容在 Telegram、Discord 等平台上的传播。

尽管如此,人们对 Deepfake 态度依然模凌两可,一方面人们对恶意侵犯肖像、欺诈的行为深恶痛绝,另一方面人们又渴望看到更多有趣的换脸作品。

Deepfake 就像人人都能买得起的小刀,有人用来表演吞刀子卖艺,有人则用来策划恐怖袭击,而随着一些大公司的陆续入场,这把小刀很快又将成为人们处理视频的利器。

「假脸」就在你身边

就在上个星期,我的同事换新言入手了一幅红得已成梗的原道耳机,由于其极低的价格与出乎意料的音质表现有着强烈的反差感,很多佩戴过的用户戏称带上会触发「悔恨之泪」。

很快,换新言发布了一条听感视频,视频全程没说一个字,但却把原道耳机给他带来的那种震撼、惊讶以及没有早点购入的懊悔之情展现的淋漓尽致。

正当我为他的镜头表现能力赞叹时,换新言说这其实是用 Snapchat 新出的「AR 哭脸」滤镜拍的,是个不折不扣的假视频。

「AR 哭脸」可以说是 Snapchat 现在最热门的滤镜之一,在推出后不到一个月的时间里,有超过 1.8 亿用户使用它拍摄了 13 亿次。

「AR 哭脸」的走红很大程度上是因为其逼真的效果,只要打开滤镜对着脸一拍,上一秒还在捧腹大笑的你下一秒就在痛哭流涕,笑得越灿烂「哭」得就更凄惨。

这其实是利用 Deepfake 技术对人脸进行实时的分析和替换,虽然在精细程度上比不上「假汤姆克鲁斯」,但是用来戏弄朋友已经绰绰有余。

「哭脸」爆火后,一些网友怀疑 Snapchat 是在德普前妻希尔德上找到的灵感,然后制作了与其同款的哭脸。

Snapchat 随后解释称「哭脸」其实在 6 个月前就已经在策划开发,与其一同开发的还有一款「笑脸」滤镜,只是一番衡量后 Snapchat 认为哭脸会更受欢迎,因而舍弃了笑脸。

事实证明,人们确实迷恋自己哭到崩溃的样子,但问题又来了,被替换过假脸的你,还是你自己吗?

同样的,如果把马斯克的脸套在「马一龙 0」身上,到底什么是真实什么是虚假呢?人们对于「真实身份」的认知到底从何而来?

这是人们生活被 Deepfake 技术入侵后的「忒修斯悖论」。

在去年,著名游戏主播芜湖大司马曾被粉丝制作了一个名为《肌肉金轮》的换脸视频,在 B 站获得了超过千万的播放量,引起了一波不小的换脸热潮。

《肌肉金轮》系列视频是把芜湖大司马的脸换到了一个身材健硕的健身博主身上,熟悉而又陌生的形象叠加在一起,形成了一种强烈的视觉冲击感,使得视频在游戏圈迅速走红。

有意思的是,《肌肉金轮》爆火后芜湖大司马的直播间里讨论最多的已经不再是游戏,而是督促主播健身以成为真正的「肌肉金轮」。

似乎在他们的认知中被合成的虚拟影片才是真实的、完美的,而面前这个顶着真脸的人反而充满了缺陷。

很显然,人们还没有做好与「假脸」和谐共处的准备。

「假脸」除了会给人们的身份认知造成困扰,还有着潜在的社会风险。在政权竞选或者战争期间,Deepfake 视频往往会成为一些有心之士的操纵工具,利用民众熟悉的真实面孔散布虚假消息,实现塑造舆论、煽动冲突的目的。

因此,既然我们磨好了足以摧毁网络世界的「矛」,也应该打造一块足以抵挡其袭击的「盾」。

然而和 Deepfake 的流行相比,互联网上反 Deepfake 或者甄别 Deepfake 的动作要少得多。

麻省理工大学在去年曾公布了一个名为 Detect DeepFakes 的项目,其目的是通过训练侦测算法,在未来帮助提高人们大范围辨别 Deepfake 视频的能力,但在一年之后,我们仍未能看到更多实质性的工具帮助人们甄别合成视频。

如今,人们的虚拟生活与现实生活交织的程度越来越高,虚拟世界的真实性也因此变得扑所迷离,假如我们不能有一个恰当的技术手段来定义「虚假」的话,那么「真实」又从何而来呢?

登录,参与讨论前请先登录

评论在审核通过后将对所有人可见

正在加载中