来源：量子位
唯一能阻止 ZAO 刷屏的，可能是服务器。
今天上午 10 点半左右，正在使用 ZAO 的用户发现，想要生成一段新的 AI 换脸视频，已经不是等待几秒、排队第几位的问题，而是——
" 服务器繁忙 "
提示页卡上写着：当前制造任务已满，无法制造，预计 10:XX 恢复能力。这里的 XX 大概是一段 10 分钟左右的延时，不过只要 5、6 分钟就能继续处理。
10 点 45 分左右，这个提示变为更简单粗暴的一句话：
" 当服务器制作量过大，请稍后再试 "
仔细看这句话，你以为是漏了一个字？不不不，只需要动用初中阅读理解方法，就能推断出这是运营方的一个暗示：
缺 " 前 "。
要知道，每个 ZAO 用户换脸的背后，是熊熊燃烧的服务器成本。据 ZAO 官方透露的消息，一个晚上 ZAO 的服务器就能烧掉 200 多万。（烧一天怎么也得 500 万以上了吧）
这也足见 ZAO 的火爆。
为什么 ZAO 火了
AI 换脸，不是新鲜事。
2017 年底，国外一位 ID 为 "deepfakes" 的网友，利用业余时间创造了一个 AI 换脸算法。后来这个算法也被广泛称为 deepfakes。
这个机器学习算法，首先在小圈子炸开。在国外的 Reddit 论坛上，有一个 deepfakes 社区，一个月内聚集了 1.5 订阅者，并产生了大量的 AI 换脸视频。
随后，这个社区逐渐变成了生产假冒爱情动作片的 " 黑窝点 " ——不少人用 AI 技术将色情作品中的主角换成明星的脸。有文化，真可怕。小电影，可造假。
也正是因为这样，这个社区引发了大量的争议，最后被彻底关掉。
但这个 AI 换脸这个技术，却一直进化至今。比如今年初，B 站 UP 主 " 换脸哥 "，使用者个技术将 94 版《射雕》里朱茵扮演的黄蓉，换成杨幂的脸。
效果是真的好。（详见：朱茵变杨幂，流量一个亿）
还有徐锦江对战灭霸、洪世贤换脸艾莉等等。（详见：B 站名场面全被 AI 换脸调戏了一遍）
但，为什么 ZAO 大火特火了？
原因很简单。因为 ZAO 最简单。
最初的 deepfakes 只是一套算法，是基于 Keras 等多个开源库完成的。后来有位高手添加了一些工具，封装成引用 FakeApp。这是一个桌面应用，可以运行 deepfakes 算法，无需安装 Python、TensorFlow 等，仅需要 " 支持 CUDA 的高性能 GPU"。
这听起来简单，但对于普通用户来说，下载、安装、训练都是费时费力的大工程。所以通常都是一些爱好者制作发布，大家欣赏换脸后的成片。
而这次 ZAO 把门槛一下拉低到近乎没有。
用户想要体验 AI 换脸，不再需要电脑、高性能 GPU、数据集、编程和 AI 知识，只需要一部手机，一张自拍，就可以把多种影视场景中主角的脸，换成自己的脸。
这是一种前所未有的体验，而且效果虽然不能说特别好，但通常情况下，都是相当不错的，至少可以让用户有动力发到朋友圈去显摆一下。
烧自己的钱，让用户爽，从这一点来说，ZAO 当然有火的理由。当然 ZAO 应该也不缺钱，毕竟背后是著名的公司：陌陌。
被质疑的隐私问题
当然越火，质疑声就越大。
AI 换脸如此，ZAO 也是如此。现在 ZAO 面对的一些质疑，就是当初 deepfakes 出现的时候，曾经面对的质疑。
质疑一是 " 版权 " 之争；二是伦理道德之争。
显而易见，deepfakes 是双刃剑。这个简单的应用可能会被居心叵测的用户利用，从而制作各种色情、暴力甚至关乎政治的虚假视频，一旦发生，后果可能非常严重。
这并非耸人听闻。而且不只是视频，AI 还能 " 造假 " 声音。斯坦福和普林斯顿大学等最新研究：给定任意文本，就能随意改变一段视频里人物说的话。并且，改动关键词后人物口型还能对得奇准无比，丝毫看不出篡改的痕迹，就像下面这样：
苹果今日收盘价 191 块 4，改成 182 块 2 你也看不出来。
让新垣结衣向你表白，让石原里美大声喊出你的名字，甚至随便根据某个人的视频伪造个人陈述 …… 现在都不在话下。
手握这项技术，在视频中让你怎么说你就怎么说，让你说什么你就得说什么，谁也看不出来这是假的。对，脸和声音都是你的，而且有视频，但一切都是假的。
另外，ZAO 也让很多用户有强烈的隐私担心。
毕竟这是一个需要上传人脸数据的应用，而人脸作为生物识别信息，很多时候已经成为我们的重要资产的密码。
比方韭菜教育专家李笑来就在微博上说："ZAO 可能很危险的 … 别看你今天玩得开心，过段时间就有可能你的支付宝被盗刷脸了？不过这事儿很难怪 ZAO，谁让你认知浅薄了呢？"
还有 ZAO 用户、隐私协议里的一些话，也被很多人拿出来质疑。
比如上面这句，就被集火抨击。
当然还有人替 ZAO 着急，毕竟之前大火过的各种换脸应用。基本上都难逃一阵风的宿命，亲爱的用户们新鲜劲很快就过去了，保质期可能都不到一个礼拜。
换脸背后的技术
ZAO 没有公布背后的技术细节，但 AI 换脸本质上都是大同小异。
前几天，有个国外的团队制作出毫无破绽的换脸视频，同时也披露了背后的技术细节。那就是开源项目：DeepFaceLab。
DeepFaceLab 是 Deepfakes 换脸术的一个软件工具包，安装简单，使用方便，更新及时。在 GitHub 上已有 5000 多星。
代码公开是一方面。另一方面，从项目描述看，不需要太多算力就能跑 ( 详见下文 ) 。总体说来门槛很低。
软件包里有多种模型，各有特点：
H64 ( 2GB+ 显存 ) ，64 像素模式。这是经典模型，DeepFakes 最初扬名就是靠它。DeepFaceLab 对它做了些改进，让这个模型在低显存情况下也能用低配置参数运行。
H128 ( 3GB+ 显存 ) ，128 像素模型，比 H64 像素更高，细节更丰富。能应对大部分远景和中景镜头，适合亚洲脸型。
DF ( 5GB+ 显存 ) ，H128 的全脸模型。它换出来的脸通常比 H128 更像，但兼容性更差，边缘问题突出。
LIAEF128 ( 5GB+ 显存 ) ，结合了 DF，IAE 的改进型 128 全脸模型。这个模型存在闭眼识别问题。
SAE ( 最低配置 2GB+，推荐配置 11GB+ ) ，风格化的编码器，基于风格损失的新型超级模型。可以有效重建被遮挡的脸。可玩性高，参数可调，调优空间大。
DeepFaceLab 唯一的安装要求就是对应版本的显卡驱动，甚至不需要 CUDA 和 CuDNN。
软件的中文官网提供了下载通道 ( 有无需魔法的百度网盘版本 ) ，以及详细的安装教程。
同时还自带许多人脸图片数据。
官网说，DeepFaceLab 虽然没有可视化界面，但步骤非常清晰，操作并不复杂。
换脸主要分为五个阶段：
视频转图片、提取脸部、训练模型、人脸替换、合成视频。
每个步骤只需点击 BAT 文件即可执行。
想要入门 AI 换脸的小伙伴，也可以在 DeepFaceLab 中文官网找到丰富的教程：
https://www.deepfakescn.com/
虽然，DeepFaceLab 描述的硬件要求不高，但 ctrl shift face 能做到今天的效果，背后很可能有贵贵的 GPU 在燃烧 ( 尽管没披露技术细节，不知道有没有改进算法 ) 。
自学换脸配置指南
最后，贴一个量子位之前就发过的指南。如何才能自己动手搞 AI 换脸。
目前网上已经有 fakeapp、faceswap、deepfacelab 等一大批现成换脸软件，只要有够强的硬件，你也能自制一段换脸视频。
这些软件都一个基本要求，就是必须支持英伟达的 CUDA。
通俗地说，如果你最近几年为了玩吃鸡这类游戏配置了一台 PC，而且安装的是英伟达的独立显卡，那么运行 Deepfakes 应该是没问题的。
根据国外网友的实测效果，要运行 fakeapp 且电脑不崩溃，至少需要以下配置：
至少有 2GB 显存的英伟达 GPU
英特尔 i3 或者 AMD 9 处理器
8GB 内存
20GB 剩余硬盘空间
以上只是最低的配置，制作一个换脸视频可能需要几天才行，是不是感到电费在燃烧？如果为了省事中途截断，效果会惨不忍睹。
去年科技媒体 The Verge 的记者还真试了一把，她的电脑给人换脸大概需要一天的时间，如果只训练几个小时，结果根本没法看：
从电脑屏幕上来看，训练过程是这样的：
如果你不想每天早晨打开电脑都看到上面的画面，那么我们推荐以下配置，它能讲训练时间缩短到只有几个小时：
至少 4GB 显存的英伟达 GPU（GTX 9 系或者更高，多数网友推荐 GTX 1060 6GB 显存，售价 1699 元）
英特尔 i5 或 AMD Ryzen 处理器（以 i5-8400 为例，售价 1599 元）
12GB 内存（购买 2 条 8GB 内存，总价 700 元）
100GB 剩余硬盘空间（考虑到其他占用空间，购买 250GB 固态硬盘，价格大约 300 元）
以上只是主要部件的价格，再加上主板、电源、机箱，总的主机（不包括显示器）价格区间在 5000~6000 元之间。
需要注意的是，在这里，硬盘空间比硬盘读写速度更重要。
因为训练 Deepfake 过程中大约每分钟会产生 1GB 的图像文件，通常 SSD 的空间较小，如果被训练数据占满，将会导致 SSD 性能下降。而机械硬盘的性能几乎不受剩余空间影响，非常适合用在训练 Deepfake 中。
当然，除了软硬件条件，你还得准备相应的视频素材。
最后友情提示，你自己准备好软硬件，也需要面临最开始提到的，钱的问题。根据 Deepfake 软件要求的硬件配置和训练时间，换一次脸就需要烧掉至少一度电以上。
