让GAN随音乐律动的Python工具，网友：GAN的最佳用法

用GAN生成画作已经不是新鲜事了，不过你见过“懂音乐”的GAN吗？

一位外国小哥开发的Python工具，能让GAN生成的图像随音乐律动，几个小时内就在reddit上收获了1.5k个赞。

从它的名字清晰的声波梦就能感受到一种梦幻色彩，正如网友所说：

这就像海市蜃楼，好像能看出描绘的物体或场景，但是下一分钟，你又会意识到它们并不存在。

而这样的音乐视效，只需几行代码就可以实现，还支持各种自定义，一起来了解一下吧～

在输入向量中加入音乐特征

Lucid Sonic Dreams默认使用StyleGAN2-ADA架构，并且使用Justin Pinkney的存储库awesome-pretrained-stylegan2中的预训练模型。

根据指定风格的图像数据集进行训练，得到与其风格相似的大量图像。

模型首先从向量生成图像，图像再通过动态效果来展现音乐。

在图像生成过程中，向模型中输入包含512个数值的向量来决定输出图像，而向量的细微变化，在输出图像中也会产生相应地细微的变化。

因此，Lucid Sonic Dreams将从音乐的声波中提取的数值（例如：振幅），添加到输入向量中。对视频中的每一帧都执行此操作，创造出随音乐跳动和变化的艺术效果。

作者开发这一工具的灵感，来自Matt Siegelman的Deep Music Visualizer项目——BigGAN，它能够使其生成的图像与音乐同步变化。

图源：Matt Siegelman

虽然以前也有一些类似的项目，但Lucid Sonic Dreams与众不同的地方在于，它是能够实现自定义的Python软件包。

可简可繁，满足不同需求

Lucid Sonic Dreams的安装十分简单，只需要运行pip install lucidsonicdreams进行安装就可以了。

首先要实现基本可视化，代码是这样的：

from lucidsonicdreams import LucidSonicDream L = LucidSonicDream(song = 'song.mp3',                     style = 'abstract photos') L.hallucinate(file_name = 'song.mp4') 

由此就可以生成抽象风格的视频：

如果想要改变风格、查看可用风格的列表，可以运行命令：

from lucidsonicdreams import show_styles show_styles() 

此外，也可以使用其他风格，只需要将参数值style设为相应的pkl文件路径，就像这样：

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) 

例如，使用Jeremy Torman训练的模型生成的效果：

Lucid Sonic Dreams的默认设置使它用起来十分容易，但除此在外，它也有很多可调的参数，作者在Colab上详细地罗列了这些参数。

例如，参数pulse_react、motion_react和class_react，分别控制着3个主要视觉组件：Pulse（脉冲）、Motion（运动）和Class（种类）。

Pulse组件，是指视音乐中打击乐元素的视觉效果。从数学上讲，脉冲是声波振幅临时添加到输入向量的结果，而在下一帧视频中，向量则恢复正常。

Motion，指的是视觉效果变形的速度，是将振幅累加到输入向量中的结果。

Class，则是指生成的图像中对象的标签。例如，利用WikiArt图像训练的样式，共有167个种类，包括：梵高、达芬奇、抽象绘画等。

这些类别由音调控制，具体来说，就是将12个音高映射到12个类别。而这些音高的不同振幅，会影响第二输入向量（类向量）的数值，该向量则决定了模型生成的对象。

此外，参数speed_fpm控制该运动的速度，该参数为0时，则使图像在歌曲的无声的部分静止。FPM代表每分钟帧数，也就是每分钟初始化的向量数。

在默认情况下，程序还带有与音频中打击乐元素同步的“对比”和“闪光”效果，分别通过contrast_strength和flash_strength参数进行设置。

调整参数的代码就像这样：

L = LucidSonicDream('pancake_feet.mp3', style = 'modern art')   L.hallucinate(file_name = 'pancake_feet.mp4',                  speed_fpm = 0,                  motion_react = 0.8,                  contrast_strength = 0.5,                  flash_strength = 0.7) 

除了这些内置的效果外，Lucid Sonic Dreams还支持创建自定义效果。只需创建一个函数，其中至少包含3个参数：

array用来指示应用效果的图像；strength决定对音乐的反应程度；amplitude则是指音乐在任何给定时间点的音量。

然后，将此自定义函数传递给EffectsGenerator对象。比如，利用scikit-image生成旋流效果的代码：

import numpy as np    from skimage.transform import swirl   from lucidsonicdreams import EffectsGenerator     def swirl_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) 

生成的旋流效果示例：

如果想要使用其他的GAN架构，只需定义一个函数，将噪声向量和类向量（NumPy数组）作为输入，从而输出图像。

实际上，这个函数可以是将输入向量转换为图像的任何函数，甚至不需要使用GAN。

除此之外，Lucid Sonic Dreams支持上传分离后的音轨来控制参数，音乐制作者可以用它作为音乐可视化程序。

例如，使用分离后的打击乐音轨来控制Pulse，同时用一个分离后的“合成和弦”音轨来控制Class：

L = LucidSonicDream(song = 'lucidsonicdreams_main.mp3',                       pulse_audio = 'lucidsonicdreams_pulse.mp3',                       class_audio = 'lucidsonicdreams_class.mp3',                       style = 'wikiart') 

既有简便易用的默认模式，又支持各种自定义素材，难怪网友们对它大加赞赏。

OMG，我认为这是我见过的GAN的最佳用法。

还有网友想体验一下VR版本：

也有部分“密恐”患者表示：对它又爱又恨！

Lucid Sonic Dreams在GitHub上开源，感兴趣的小伙伴，快去听个音乐感受一下吧～

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。