音画代码(简单代码)
音画代码(简单代码)原创机器之心Pro2021-03-24 13:17:42机器之心报道
编辑:魔王
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)
曾经的最美(回忆往事的感慨句子)曾经的最美(回忆往事的感慨句子)郎嘎尼玛20210503105658伊豆的舞女曾经的最美黄自宏在风景如画的伊豆,至今保留着诺贝尔文学奖得主川端康成的原著伊豆的舞女中的特色旅游打卡场
教育学复习资料(纯干货来一份,教育学复习资料)教育学复习资料(纯干货来一份,教育学复习资料)第一节教育知识点1。教育概念教育的本质教育起源说教育要素教育功能2。古代教育的特点四书五经六艺六经六学七艺学术官守罢黜百家,独尊儒术学
关于责任的议论文(优秀作文分享责任)关于责任的议论文(优秀作文分享责任)人,从来就不轻松。因为每个人都肩负着一份责任。花朵,装饰世界是它们的责任,人类,亦需要责任点缀人生。而责任,并不是一个简简单单的字眼,当一个人真
小学生日记网(三年级学生日记)小学生日记网(三年级学生日记)日记一今天晚上,我和妈妈出去散步。路上,空气真新鲜呀!还看到几位老奶奶在广场上跳舞。我们也好奇地凑过去看,还跳起了自己的舞来。我们又是踢腿,又是甩手臂
小学三年级日记(家长晒三年级学霸日记)小学三年级日记(家长晒三年级学霸日记)对很多孩子来说,写日记也是一种别样的快乐,利用日记记录了自己的喜怒哀乐,也记录的日常,记录了自己视野中所观察到的一切,长大后,翻看自己的日记也
人与自然作文素材(人与自然和谐共生)人与自然作文素材(人与自然和谐共生)当下,我们不得不重新面对那个古老的哲学命题人与自然到底该如何相处?这一话题是否会成为今年高考作文的考点,我们不得而知,但是它的热度绝对很高。为此
有关读书的名人名言是(古今中外名人关于读书的名言大全)有关读书的名人名言是(古今中外名人关于读书的名言大全)培根的读书名言1读书能给人乐趣文雅和能力2读书不是为着要辩驳也不是要盲目信从更不是去找寻谈话的资料而是要去权衡和思考3有些书只
抗日英雄(那些年,我们追过的抗日小英雄你还记得吗)抗日英雄(那些年,我们追过的抗日小英雄你还记得吗)自古英雄出少年。抗日战争时期,中华民族涌现出了一批少年英雄。在民族危亡的时刻,他们跟父辈一起,用自己稚嫩的肩膀担起了沉重的抗争。他
英雄故事(幼儿园红色故事简短)英雄故事(幼儿园红色故事简短)原创202106091057聊城晚报本报讯(记者张目伦通讯员冯艳云)为庆祝中国共产党成立100周年,6月8日,我市在海源阁图书馆开展了红色基因在传承听
仁义礼智信的意思(什么是仁义礼智信?简短的解释)仁义礼智信的意思(什么是仁义礼智信?简短的解释)对上有一颗恭敬之心,对下,不要有高傲的心,这就是做人的礼节做事情的时候,大事情不糊涂,小事情不计较,这是智慧无论外在或者是内在,都对
南京鸡鸣寺(鸡鸣寺真的别去了)南京鸡鸣寺(鸡鸣寺真的别去了)周末大家都去鸡鸣寺了吗?去过的小伙伴一定知道满眼看去,除了樱花就是人人人人人从众说来你或许不信,就在本周末有6。1万人涌入南京鸡鸣寺赏樱可以说是喜提南