大家好，我是 Jack。

CVPR、SIGGRAPH 等各种计算机视觉的顶级会议，在 6 月份都陆续结束了。

话说，小伙伴们都斩获了几篇论文？

今天继续给大家带来一些有趣的 AI 算法。

ml-talking-face

根据文字，生成说话的面孔，还能带肢体动作。

比如，输入中文：

我爱你

语言选择韩语，然后选择语速、动作、视频背景。

生成的视频效果：

选择成中文，动作选择伸两只手，我们再看下效果：

也可以输入我们耳熟能详的：

效果是这样的：

再比如：

效果是这样的：

算法支持的语言有：汉语、英语、日语、韩语，从效果看还都挺标准的。

这个算法是一个 CVPR 的最新论文的 Demo 效果，可以在线体验。

体验地址：

https://huggingface.co/spaces/CVPR/ml-talking-face

论文地址：

https://arxiv.org/abs/2205.06421

算法的框架是这样的：

使用谷歌翻译 API 先对输入文字进行翻译，生成目标语言，然后使用 TTS 算法，就是一个 Text-To-Speech 算法，生成对应的音频，再根据音频，生成视频。

音频生成视频的算法，我之前写过，比如 LSP 算法：

LSP，强得离谱！

不过他们用的不是这个，是一个类似算法 Wav2Lip。

https://github.com/Rudrabha/Wav2Lip

说实话，这套系统逐渐成熟，客服这类的岗位，就会逐渐被代替了。

当然，也要谨防这类技术的诈骗。

比如，眼见为实，耳听为虚已经是过去式了，现在眼见也未必为真。

AI 算法，视频都能给你生成了。

Text2Human

也是一篇顶会的论文，直接上效果：

算法如其名，Text2Human。

根据文字描述，生成不同衣着的人。

A man wears a short-sleeve and short rompers with denim meterials.

用法就是：描述一下性别和穿的衣服，算法就能自动生成对应的图片。

可以选择不同的姿态：

然后输入描述即可生成对应的图片。

这个算法已经开源，作者还做了一个 UI 界面。

项目地址：

https://github.com/yumingj/Text2Human

不过这个需要一些编程基础才能体验，毕竟环境搭建起来也要花费一阵子。

当然，想省事，也可以在线体验：

https://huggingface.co/spaces/hysts/Text2Human

这类算法也挺有意思，扩展一下，就是在线试衣。

将生成的人物照片，指定为固定的人，比如自己。

足不出户，就能使用手机 APP 在线试穿各种衣服。