音画代码(这个Python包只需几行代码)
音画代码(这个Python包只需几行代码)
Lucid Sonic Dreams 包可以实现 GAN 生成图像的「音画同步」效果,且支持自定义。
GAN 生成图像奇幻诡谲,对此我们早已不陌生。如果它们还可以卡音效呢?最近,有人就创建了一个实现类似效果的 Python 包——Lucid Sonic Dreams,只用几行代码就可以实现 AI 生成画作与音乐的同步。
GitHub 地址:https://github.com/mikaelalafriz/lucid-sonic-dreams
Colab 教程地址:https://colab.research.google.com/drive/1Y5i50xSFIuN3V4Md8TB30_GOAtts7RQD?usp=sharing
在该项目提供的 demo 视频中,伴随着 Saje 的歌「Raspberry」,GAN 生成的图像不断变换且呈现出了对应的节奏。
工作原理
生成艺术品通常是由 GAN 网络来完成的。Lucid Sonic Dreams 包默认使用 StyleGAN2-ADA 架构,不过 GAN 架构也可以自定义。将这些模型在特定「风格」的图像数据集上进行训练,使之能够输出与训练图像风格一致的无穷多张图像。此外,Lucid Sonic Dreams 使用 Justin Pinkney 创建库中的 StyleGAN2 预训练模型(地址:
https://github.com/justinpinkney/awesome-pretrained-stylegan2) 。
那么这些图像到底是如何生成的呢?
将输入馈送至 StyleGAN2 模型(输入为有 512 个数字的向量),输入决定了模型的输出图像,因此对输入向量进行微小更改也将带来输出图像的微小变化。
现在,有趣的部分到了:如果我们从音乐中获取声波,从声波中提取数值(如振幅)并添加至输入向量,会发生什么?
Lucid Sonic Dreams 对视频每一帧执行这些操作,生成脉冲与变换与音乐一致的图像。
具体而言,利用 Lucid Sonic Dreams 包,音乐控制了 3 个主要视觉组件:脉冲(Pulse)、运动(Motion)和类别(Class):
脉冲指视觉画面随着音乐的敲击性节奏而「跳动」。从数学角度来看,「脉冲」是向输入向量暂时添加声波振幅的结果(即在下一帧中该向量仍是初始向量);
运动指视觉画面变换的速度。从数学上看,它是向输入向量累积添加振幅(即添加的振幅后续不会被清零);
类别指生成图像中物体的标签,例如基于 WikiArt 图像训练的风格中就有 167 个类别(包括梵高、达芬奇、抽象派等)。而这些由音调进行控制,具体而言,12 个音高分别对应 12 个不同类别。这些音高的振幅对传输至第二个输入向量(类别向量)的数字造成影响,而这由模型生成的对象来决定。
项目作者表示,这个想法受到 Matt Siegelman 的 Deep Music Visualizer 项目的启发。目前网上也有一些类似的项目,但 Lucid Sonic Dreams 的独特之处在于以 Python 包形式实现,且允许自定义。
使用 Lucid Sonic Dreams 包,你可以做到这些
Lucid Sonic Dreams 具备极强的易用性和灵活性。用户可以使用 pip 进行安装:
然后只需输入几行 Python 代码即可:fromlucidsonicdreamsimportLucidSonicDream L=LucidSonicDream(song='chemical_love.mp3',style='abstractphotos') L.hallucinate(file_name='chemical_love.mp4')
改变风格
运行以下代码,我们可以查看默认可用的风格:fromlucidsonicdreamsimportshow_styles show_styles()
这样就可以得到一组风格名称,这些风格来自 Justin Pinkney 创建的库。你还可以输入自己的 StyleGAN 权重,或者使用其他 GAN 架构。
调整参数
Lucid Sonic Dreams 包的默认设置很好用,但它实际上有很多参数——30 多个,不过这些参数是可以调整的(参数详细信息参见 Colab 教程)。
哪些参数最重要呢?我们来看整个视频生成 pipeline:
首先,对输入向量进行初始化和插值,作为视频的「基础运动」(base motion)。参数 speed_fpm 控制运动的速度,fpm 表示「每分钟帧数」,即每分钟初始化的向量数。对于每个后续帧而言,参数 pulse_react, motion_react, and class_react 控制音频操纵每个对应组件的程度。
模型基于这些向量生成图像后,图像被传输经过一系列特效(也对音乐产生反应)。默认情况下,Lucid Sonic Dreams 包具备「contrast」和「flash」特效,可以与音频的敲击性节奏同步。通过设置 contrast_strength 和 flash_strength 参数,即可进行调整。使用者还可以创建自定义特效。
以下代码展示了调参过程:L=LucidSonicDream('pancake_feet.mp3',style='modernart')L.hallucinate(file_name='pancake_feet.mp4', speed_fpm=0, motion_react=0.8, contrast_strength=0.5, flash_strength=0.7)
使用自己的 StyleGAN 权重
如果你自己训练过 StyleGAN,或者在网上获得了一些模型权重,你可以选择将文件路径传输至这些权重,作为风格参数的值。
例如,文章开头的视频使用的是 Jeremy Torman 训练的模型。生成视频所用代码如下所示:L=LucidSonicDream(song='raspberry.mp3',style='VisionaryArt.pkl')L.hallucinate(file_name='raspberry.mp4', pulse_react=1.2, motion_react=0.7, contrast_strength=0.5, flash_strength=0.5)
使用单独的音轨
这个包还可以用作音乐可视化工具,使用者可以上传单独的音轨,进而控制 Pulse、Motion、Class、Contrast 和 Flash。如果你想使这些视觉组件与特定的乐器同步,使用这个包是不错的选择。你还可以利用这些单独的音轨自定义特效。
以下是示例代码:L=LucidSonicDream(song='lucidsonicdreams_main.mp3', pulse_audio='lucidsonicdreams_pulse.mp3', class_audio='lucidsonicdreams_class.mp3', style='wikiart')L.hallucinate('lucidsonicdreams.mp4', pulse_react=0.25, motion_react=0, classes=[1,5,9,16,23,27,28,30,50,68,71,89], dominant_classes_first=True, class_shuffle_seconds=8, class_smooth_seconds=4, class_pitch_react=0.2, contrast_strength=0.3)
自定义特效
除了内置的「Contrast」和「Flash」特效外,Lucid Sonic Dreams 包还允许用户自定义创建特效。用户只需创建一个包含至少以下 3 个参数的函数即可:array,表示应用特效的图像;strength,决定对音乐的反应强度;amplitude 表示在任意给定时间点的音量。之后,将该自定义函数传输至 EffectsGenerator 对象。
作者用以下代码进行了试验,其使用的是 scikit-image 的 swirl 特效:importnumpyasnpfromskimage.transformimportswirlfromlucidsonicdreamsimportEffectsGeneratordefswirl_func(array,strength,amplitude): swirled_image=swirl(array, rotation=0, strength=100*strength*amplitude, radius=650)return(swirled_image*255).astype(np.uint8)swirl_effect=EffectsGenerator(swirl_func, audio='unfaith.mp3', strength=0.2, percussive=False)L=LucidSonicDream('unfaith.mp3', style='textures')L.hallucinate('unfaith.mp4', motion_react=0.15, speed_fpm=2, pulse_react=1.5, contrast_strength=1, flash_strength=1, custom_effects=[swirl_effect])files.download("unfaith.mp4")
使用其他 GAN 架构
你还可以使用其他 GAN 架构。只需定义一个函数,该函数以一组噪声向量和类别向量(NumPy 数组)作为输入,输出一组 Pillow 图像。事实上,该函数甚至不需要使用 GAN,它可以是能够将输入向量转换成图像的任意函数。
下列代码使用 BigGAN 的 PyTorch 实现复现了 Deep Music Visualizer:frompytorch_pretrained_bigganimportBigGAN,convert_to_imagesimporttorchbiggan=BigGAN.from_pretrained('biggan-deep-512')biggan.to('cuda:0')defbiggan_func(noise_batch,class_batch): noise_tensor=torch.from_numpy(noise_batch).cuda() class_tensor=torch.from_numpy(class_batch).cuda() withtorch.no_grad(): output_tensor=biggan(noise_tensor.float(),class_tensor.float(),truncation=1) returnconvert_to_images(output_tensor.cpu())L=LucidSonicDream('sea_of_voices_inst.mp3', style=biggan_func, input_shape=128, num_possible_classes=1000)L.hallucinate('sea_of_voices.mp4', output_audio='sea_of_voices.mp3', speed_fpm=3, classes=[13,14,22,24,301,84,99,100,134,143,393,394], class_shuffle_seconds=10, class_shuffle_strength=0.1, class_complexity=0.5, class_smooth_seconds=4, motion_react=0.35, flash_strength=1, contrast_strength=1)
苏宁易购双十一战报全渠道19分钟GMV破50亿文章来源科技讯苏宁易购公布实时战报11日0点双十一开启后仅用时19分钟苏宁全场景生态渠道(包含苏宁易购苏宁易购天猫旗舰店苏宁易购超级买手直播间苏宁店播)GMV破50亿11月1日0点
新东方在香港的二次上市通过港交所聆讯文章来源科技讯近日据港交所文件显示新东方在香港的二次上市通过了港交所聆讯瑞信BofASecuritiesUBS为联合保荐人2006年新东方在纽交所上市2019年旗下附属公司新东方在
教大家Windows10无法使用管理员账户启动应用怎么办的方法今天小编来给大家针对这个教大家Windows10无法使用管理员账户启动应用怎么办的方法的问题来进行一个介绍,毕竟当下也是有诸多的小伙伴对于教大家Windows10无法使用管理员账户
蓑衣刀法(传统刀工确实牛)蓑衣刀法(传统刀工确实牛)蓑衣是古人发明的一种用蓑草或棕树皮做的雨具,我小时候在府南河边都还见过,后来随着塑料雨衣的普及现在蓑衣已经成了电影或电视剧里面的道具。今天给大家介绍的蓑衣
厨师团队(找厨师去哪个网站)厨师团队(找厨师去哪个网站)有一些饭店餐饮部有一条规定,员工情绪不稳定不许上岗,特别是厨师的心理状况,一直是管理层密切关注的问题,通过班前会和日常沟通,甚至通过检查菜品的质量,主管
支付宝蚂蚁庄园小鸡问答飞机起飞降落时乘客如果出现耳胀等不适症状可以怎么缓解相信现在大家对于小鸡庄园每日问答都是非常关心的吧,并且近期发现很多小伙伴都很想知道飞机起飞降落时乘客如果出现耳胀等不适症状可以怎么缓解这个问题,那么既然现在小伙伴们对于飞机起飞降落
关于社保的问题(个人保险有必要买吗)关于社保的问题(个人保险有必要买吗)社保的有关制度比较复杂,确实需要我们仔细了解。社保本身分为养老医疗工伤生育失业五项保险。很多人习惯地把养老保险称之为社保,这确实有些偏颇了。就养
中国有多少大熊猫(我国大熊猫现存数量2021)我国是世界上生物种群规模最大,生物多样性最多的国家之一,而独特的生物种群也多,最典型的生物就是大熊猫。大熊猫属于我国的国宝,可以说是人见人爱,花见花开,无论是在国内还是国外都是受宠
人生阶段(人生分为几个阶段?)人生阶段(人生分为几个阶段?)孔子说吾十有五志于学,三十而立,四十而不惑,五十而知天命,六十而耳顺,七十而从心所欲不逾矩。从中我们可以看出,以四十岁为分水岭,人生大致分为两个不同阶
成长阶段(人生八阶段成长要素)成长阶段(人生八阶段成长要素)社会学家埃里克。埃里克森的研究指出,一个人从生到死,共经历八个心智成长的阶段。如果在某个阶段里因为某些原因而没有充分地成长,这个人在生活上便会出现一些
用友软件多少钱一套(财务软件哪个最好用最简单)财务软件有什么用?财务软件是会计做账的好帮手,能大大提高会计的工作效率,帮助会计又快又好的完成日常的工作。从繁杂的手工帐解脱出来,还大大提高了做账的正确率。小碟云财务软件就是其中的