- deepfakes 的创作结合了人工智能、神经网络和大量数据。
- 扩散网络、GAN、换脸和口型同步等技术有助于实现逼真的效果。
- 负责任地使用和检测深度伪造是遏制错误信息和欺诈的关键。
深度伪造技术已成为近年来最令人惊讶，同时也最具争议的技术进步之一。我们越来越频繁地看到一些视频或图像，其中公众人物和匿名人士发表从未发生过的言论或做出从未发生过的行为。这种现象的关键在于利用人工智能技术来操纵和生成几乎与现实难辨真假的视听内容。如果您曾经好奇过深度伪造技术是如何制作的，或者其背后的技术原理，那么这份完整的指南将揭示其所有秘密：从所使用的技术到风险以及如何负责任地使用。
深度伪造的流行并非偶然：如今，任何拥有一台像样的电脑并略带好奇心的人都可以使用免费或付费的工具进行实验。然而，深度伪造的深远社会、伦理和技术影响需要超越简单的好奇心：在人工智能崛起的背景下，了解它们的工作原理、它们带来的风险以及如何积极利用它们至关重要。
什么是深度伪造？为什么它们如此逼真？
本质上，深度伪造是指利用深度学习算法对视听内容（主要是视频，但也包括图像和音频）进行篡改。这些算法，特别是神经网络，能够分析并重现大型数据集中的面部表情、动作、语调甚至肢体语言模式。通过这种方式，不仅可以改变视频中人物的面部，还可以让他们说出自己的话，或者以惊人的逼真度模仿他们的声音。
目前深度伪造技术最令人印象深刻的是其逼真程度。早期版本粗糙且缺乏说服力，但人工智能的进步使得区分真实视频和篡改视频变得越来越困难。所有这些都引发了关于其用途及其潜在社会和法律后果的激烈辩论。
最先进的深度伪造技术
如今，制作令人信服的深度伪造视频的方法有很多种。其中最先进、最流行的技术包括：
- 广播网络：通过添加和删除数字“噪音”来生成图像和视频的人工智能模型，从原始数据中生成全新的面孔。
- 对抗生成网络 (GAN)：两个对立的神经网络生成并验证虚假内容，直到获得与真实内容几乎无法区分的结果。
- 换脸：众所周知的换脸技术，即将视频或图像中一个人的脸部细节叠加到另一个人的脸上。
- 对口型唱：一种调整嘴部和声音动作以匹配所选语音的技术，与合成语音结合时效果更佳。
广播网络：从噪声中创建图像
扩散网络代表了深度伪造技术的最终前沿。其工作原理是通过添加随机噪声“污染”原始图像，使其变得无法辨认。然后，模型学习如何逆转这些噪声并重建图像，但会进行指定的修改（例如更换人脸或表情）。这种方法能够生成极其逼真的结果，可以直接从扭曲的版本中提取，使得检测原始篡改变得极其困难。
根据最近的研究，所谓的一致性模型已经开始超越传统的广播网络，能够更直接、更有效地将噪声转化为有用的数据。
GAN：双重控制技术
在广播网络出现之前，生成对抗网络（GAN ）是标准做法。在这种网络中，生成器生成虚假内容（图像或视频），而判别器则评估其真实性。两者相互训练，就像一场猫捉老鼠的游戏，直到深度伪造的内容几乎无法被人眼识别。
这项技术是首批高质量深度伪造视频的关键，但它比现有系统成本更高、效率更低。即便如此，它仍然是大多数商业工具和开源项目广泛使用的基础。
唇形同步是一种流行的技术，因为它简单易行，而且很容易实现自动化。该过程包括调整视频中的嘴型动作，使其与选定的音频相匹配，甚至可以使用人工智能生成的合成语音。
在许多情况下，甚至不需要高性能电脑：移动应用只需几分钟就能制作出深度伪造视频。使用更多参考图像和更好的硬件，视频的质量和逼真度都会提高。
换脸：经典的换脸
换脸技术是许多在网络上流传的深度伪造视频的基础。它指的是将你想模仿的人的脸叠加到另一个真实视频中的人的脸上。用于训练模型的图像和角度越多，结果就越逼真。
著名的例子包括名人“变身”成其他角色的幽默视频，以及像萨尔瓦多达利博物馆这样的项目，该博物馆利用数千张图片创建了艺术家的互动版本。危险在于，使用现有的工具，几乎任何人都可以仅凭一张参考照片就制作出令人信服的深度伪造作品，这大大增加了被利用（和滥用）的可能性。
如何一步一步制作深度伪造视频？
制作高质量的深度伪造视频需要了解人工智能的基础知识并拥有合适的资源。为此，该流程通常遵循以下步骤：
- 搜索并选择图像或视频你收集的被模仿者（以及真实人物）的高质量图像和视频越多，效果就越好。不同的面部表情、角度和光线条件会很有帮助。
- 训练AI模型深度学习算法处理所有这些材料，以学习要复制的面部的特定特征和动作。
- 特定工具的使用DeepFaceLab、Zao、FaceApp 和 Deepfakes Web 等程序提供了简单的界面，可用于换脸、唇形同步或生成合成声音。有些程序需要配备 GPU 的强大计算机，而有些则在云端或直接在移动设备上运行。
- 加工与调整AI模型会融合模拟人脸，并在必要时调整唇部动作和声音，最终合成视频，使所有内容完美契合。此外，还可以手动调整细节（例如表情、灯光等），确保完美呈现。
- 最后的润色一些程序允许您提高视频质量、消除缺陷，甚至添加水印来指示被操纵的内容。
有时这个过程只需要几分钟；有时，可能需要几天的培训和非常昂贵的硬件，这取决于所需的真实性和可用的资源。
用于创建深度伪造的流行工具和程序
如今，从移动应用程序到复杂的开源程序，各种应用应有尽有。其中一些最常用、最易访问的程序包括：
- 深度人脸实验室：深度伪造领域的标杆，它提供了各种各样的换脸教程和高级功能。
- 赵无极：一款非常流行的中国手机应用程序，可让您使用参考照片快速创建深度伪造视频。
- Snapchat y 伦萨人工智能：可以轻松交换面孔和应用高级过滤器的应用程序，非常适合寻求快速有趣结果的用户。
- 深伪网络：在线平台提供从老照片动画到更精美的视频等各种内容，通常配有付费或免费增值工具。
- 沃博 y 深脑：它们因生成的声音的真实感以及在制作音乐视频和模因方面的易用性而脱颖而出。
- FaceApp：只需单击一下即可修改面部并创建令人印象深刻的效果。
此外，像Speechify AI Voice Generator这样的服务专门创建听起来自然的 AI 语音，可以轻松地在任何深度伪造视频中添加逼真的配音。
深度伪造的积极用途和风险
深度伪造技术本身并无好坏之分，完全取决于其用途。一方面，这项技术有着诸多积极的应用，涵盖娱乐（如表情包、笑话和病毒视频）、电影、广告和教育等领域。例如，无需实地拍摄或旅行即可制作多语言广告，复活历史人物，或在纪录片中保护人物身份（如《欢迎来到车臣》）。
然而，这些风险确实存在。深度伪造技术可用于传播虚假信息、操纵选举、实施诈骗或骚扰。已有记录在案的案例表明，有人利用深度伪造技术冒充高管进行数百万美元的诈骗。许多工具的易用性也加剧了不负责任或恶意使用的风险。
因此，推广负责任的使用至关重要：明确标明内容是否虚假、添加水印，并教育人们了解此类视频的存在及其风险。此外，人工智能本身也被用于创建越来越有效的深度伪造检测器，尽管创作者和检测器之间的竞争仍然非常激烈。
社会中的 Deepfakes：媒体案例和当前应用
近年来，深度伪造已从一种奇特的现象发展成为一种与文化和社会息息相关的现象。在政治领域，它们既被用来操纵言论，也被用来讽刺公众人物。从印度政客为了吸引更多选民而修改其语言的视频，到美国与竞选活动相关的病毒式操纵。
在电影和电视领域，深度伪造技术彻底改变了广告和电影的制作方式，使得创作主角从未实际出现的内容成为可能。例如，Cruzcampo 的一项慈善活动就利用深度伪造技术，让 Lola Flores 和 David Beckham 以不同语言亮相。
同样，人工智能也被应用于纪录片和新闻报道中，用于重现历史叙事或保护证人和受害者的身份。教育和文化领域也在探索深度伪造技术的潜力，例如达利博物馆，艺术家本人在那里“复活”并与参观者互动。
在医学领域，GAN 用于生成肿瘤或病变的合成图像，这对于在缺乏足够真实数据的情况下训练诊断模型至关重要。
深度伪造的挑战、道德和未来
人工智能的进步使得检测深度伪造视频成为一项持续演变的挑战。各大科技公司和监管机构正在努力识别这些伪造行为并保护用户，从社交媒体标签到限制危险应用程序，采取了各种措施。
主要挑战在于平衡创新与安全。随着深度伪造工具的普及，社会必须保持警惕，培养批判性思维，并在该技术被用于有害目的时追究责任。然而，如果管理得当，深度伪造技术可以开启表达、创造和学习的新途径。
Deepfake 技术已深入人心，并将继续快速发展。了解其技术和应用，并学习如何以合乎道德和负责任的方式使用它，是充分发挥其潜力并最大程度降低其风险的最佳途径。请持续关注其发展动态，并毫不犹豫地探索各种可能性，始终保持批判的眼光，尊重隐私和真相。
