生成式AI一本搞定：最強AI工具整合運用手冊...

第四章 以假亂真連專家也難分辨—人工智慧換臉（變臉）技術

講到 AI換臉，就要談談Deepfake（深度偽造技術）1，就是可以讓人臉在影片或是直播裡換來換去的黑科技；曾經某位網紅就是因為用這技術製作一些不該做的影片而被抓了。

註1：深度偽造技術（Deepfake），中文簡稱為「深偽」或「深假」，是一種利用人工智能進行臉部替換的先進技術，近年來因其在製作極為逼真影片內容方面的應用而受到關注。該技術的核心在於結合了深度學習和圖像處理技術，實現在動態影像中替換人臉，甚至能夠同步生成配合目標面孔特徵的語音，從而製作出難以分辨真假的影片內容。

這技術其實挺神奇的，主要是靠AI人工智能的力量，把一個人的臉和表情、甚至是聲音都搬到另一個人身上，做出逼真的效果。

就想像以前玩的P圖，最多換換頭像啥的，頂多也就是用Photoshop弄得更逼真一點。但現在有了Deepfake（深度偽造技術），直接就能在影片裡把人臉換了，而且連表情和動作都跟著換，簡直就像是換了個靈魂似的。

4-1 真假難辨的深度偽造技術（Deepfake）好用卻也危險
隨著計算能力的提升和機器學習算法的進步，深度偽造技術已經能夠在短時間內製作出難以察覺的偽造影片。而生成對抗網絡（GANs）2在此過程中扮演了關鍵角色，透過不斷的生成與鑑別迭代，逐步提升合成影像的質量，達到以假亂真的效果。

註2：GANs 就是由兩個神經網絡組成的一套系統：一個是生成器（Generator），另一個是鑑別器（Discriminator）。想像一下，生成器就像是一個藝術家，它的任務是創造出看起來像真的圖片；而鑑別器則像是一個藝術評論家，它要做的就是要分辨出來這些圖片是不是真的，還是生成器創造出來的假的圖片。生成器和鑑別器會在一個“對抗”的過程中不斷進步，生成器努力讓自己創造的圖片越來越逼真，而鑑別器則努力提高自己的鑑別能力。

然而，深度偽造技術的迅速發展也帶來了諸多社會、道德和法律上的挑戰。偽造影片的製作越來越容易，不僅限於專業人士，甚至普通用戶也能透過網路上的工具輕鬆創作，這在一定程度上加劇了虛假信息的傳播，增加了公眾辨識真假信息的難度，並可能對個人隱私和公共安全構成威脅。

儘管深度偽造技術存在諸多爭議，但其在正面應用方面的潛力同樣不容忽視。從輔助語音和面部表情重建，到影視產業中的創意應用，乃至於個性化娛樂和數位遺產保存，深度偽造技術均展現出廣泛的應用前景。


這就像是一場相互對抗的模式，生成器不斷進化，試圖“欺騙”鑑別器，而鑑別器則是要不斷學習，以辨別真假。這個過程使得最終生成的圖片質量驚人地逼真，有時候連人類都分辨不出來。

4-1-1 Deepfake技術是否該繼續發展呢？

個人認為，答案是肯定的。這項技術的應用範圍遠不止於表面，我提出以下幾個例子：

1. 它能為行動不便的人提供一種全新的表達方式，讓他們能透過別人的動作來傳達自己的思想和感情。
2. Deepfake也能夠用來製作紀念親人的影片，讓我們得以在影像中重溫與逝去親人的珍貴時光。當然，這項技術還有其輕鬆娛樂的一面，比如在電影製作、創造有趣的迷因，甚至是將自己的臉孔換到健壯的身軀上，或是體驗穿上不同衣服的樂趣。就拿像抖音或Youtube Shorts這樣的應用來說，其換臉功能讓用戶得以將自己的臉孔放到電影或電視劇角色上，瞬間變身為大銀幕上的明星，這種趣味性和無害的娛樂為日常生活增添了不少樂趣。
3. 在教育領域，有時候老師可能會對自己的外貌不夠自信，這種情況下他們可能就會猶豫不決，不太願意錄製課程影片。又或者，在一些課程製作完畢之後，由於某些特殊原因，比如老師隸屬於官方機構或其他限制，可能會突然間不能在課程中露臉，這時候換臉技術就能派上用場，解決這類問題。

4. 在進行直播賣貨的時候，如果合法獲得了使用名人形象的權利，那麼這將會大大增加直播的吸引力。以賣林書豪球衣為例，假如能用林書豪的形象來進行產品介紹，不僅能讓直播更加生動有趣，還能激發觀眾的購買欲望，因為他們不僅是在買一件球衣，更是在購買與偶像相關聯的情感價值。
5. 對於線上客服體驗的提升也同樣重要。想像一下，如果每位線上客服不僅能提供專業的服務，還擁有公司代言人的外貌和聲音，這無疑會給顧客留下深刻的印象。這種個性化和高度定制的互動體驗可能會讓顧客感到更加親近和信任品牌，從而減少客戶投訴的發生。此外，這種創新的客服模式還能作為品牌差異化的一部分，吸引更多的顧客關注和光顧，進一步提升品牌形象和市場競爭力。

深度偽造技術猶如雙刃劍效應，既帶來了前所未有的便利和創新的可能，也帶來了倫理和法律上的挑戰。未來，如何平衡其利弊、有效規範和應用，將是我們面臨的重要課題。

4-1-2 如何應對數位騷擾，特別是那些由Deepfake所製造的？

要怎麼分辨出一個影片是不是被動手腳了呢？以前Deepfake做出來的東西還不算太逼真，常會有些小瑕疵，比如畫面邊緣看起來模糊，或者光影效果不自然、動作突兀，連頭髮都和背景融不太進去。有時候，你會發現這些合成的臉不怎麼眨眼，或者眨眼看著就是怪怪的，這可能是因為原始素材多半是照片，人物的眼睛都是睜開的。

還有，如果是電腦合成的影片，人物眼睛反光的細節可能會不一致。但近來隨著技術的精進，這種情況越來越少了。現在不少團隊和公司都在研究如何更好地識別這些合成影像，甚至有些地方還舉辦了比賽，看誰能更準確地找出這些假影片。

比如說，真人的臉因為血液流動會有細微的顏色變化和脈搏跳動，但這些細節在假影像裡往往重現不了。不過，隨著AI技術的不斷進步，誰又能保證不會有一天連這些細節都能做得天衣無縫呢？

這就像是一場持久的攻防戰，雙方都在不斷進化。而我們普通人，在面對如洪水般的資訊時，分辨真假確實越來越難，這時就需要我們提高警覺，加強自己的判斷力，或許未來還得依賴更智能的工具來幫忙辨識，以防被虛假信息所迷惑。在這個數位化的時代，保持批判性思考比以往任何時候都更加重要。

4-2什麼是AI換臉技術？

AI換臉技術，在英文中被稱作DeepFakes，意即深度偽裝。這一名詞源於2017年底，由一位Reddit用戶「deepfakes」首創，而廣為人知的作品就是螞蟻牙黑3。

註3：「螞蟻牙黑」這個梗的意思就是一個諧音梗，原歌曲《不怕不怕》的一句類似的歌詞，因為歌詞中有一句“嗎咿呀嘿”，讀音非常像螞蟻牙黑，所以這個梗就經常被拿出來調侃。而且這段歌也常被用在各種魔性的影片中，讓許多網友開懷大笑。

這也是最廣為人知的換臉技術，不過當時沒有什麼商業價值，純粹只是網友間的娛樂罷了。但隨著2023年AI技術的爆炸性增長，DeepFakes技術再次受到廣泛關注。得益於ChatGPT、Midjourney等生成式AI技術的支持，AI換臉技術的商業潛力正逐步顯現，特別是在電影、直播、電子商務等領域，其應用前景被認為具有無限可能，同時也帶來了諸多商機。

然而影像換臉、視訊換臉和直播換臉應用技術，從DeepFace到Faceswap，再到Roop，AI換臉技術已經發展出了所謂的「一鍵換臉」方法，這一方法不需要進行模型訓練。這種技術是基於一種名為「GHOST」的新技術，它提供了一種全新的、用於影像和視訊領域的一鍵換臉方案。

該技術運用了先進的生成對抗網絡（GAN）和自動編碼器等技術，能夠達到精準且穩定的換臉效果。「GHOST」技術的一大特色是無需模型訓練即可進行換臉，使得操作變得快速且簡單。這種方法的優勢在於能夠迅速生成換臉圖像或視頻，無需經歷繁瑣的訓練過程。

4-3 AI換臉到底是怎麼辦到的？

首先，讓我們來解析一下AI換臉技術的基本工作流程。在這一過程中，首要步驟是確定一個源頭，它可能是一張圖片、一段影片，或是即時捕捉的相機畫面。接著，我們需要選擇一張用於替代原始影像中人物面孔的臉部圖片或影片片段。在這些準備工作完成後，AI換臉工具便會接手進行後續的處理，最終生成換臉效果的輸出。

這個處理流程具體包括哪些步驟呢？

整個過程可以概括為幾個關鍵階段；首先，系統會對輸入的影像進行人臉識別，確定待替換的臉部位置。隨後，系統將提取該臉部的關鍵特徵，為接下來的步驟奠定基礎。而核心環節則是人臉的替換操作，這一階段主要依賴於自動編解碼器和生成對抗網絡等先進算法來實現。最終階段是將替換後的臉部與原始影像無縫融合，以達到自然、逼真的換臉效果。這些階段共同構成了AI換臉技術的完整處理流程。

第四章 以假亂真連專家也難分辨—人工智慧換臉（變臉）技術

講到 AI換臉，就要談談Deepfake（深度偽造技術）1，就是可以讓人臉在影片或是直播裡換來換去的黑科技；曾經某位網紅就是因為用這技術製作一些不該做的影片而被抓了。

註1：深度偽造技術（Deepfake），中文簡稱為「深偽」或「深假」，是一種利用人工智能進行臉部替換的先進技術，近年來因其在製作極為逼真影片內容方面的應用而受到關注。該技術的核心在於結合了深度學習和圖像處理技術，實現在動態影像中替換人臉，甚至能夠同步生成配合目標面孔特徵的語音，從而製作出難以...

ChatGPT，這個名字對許多人來說似乎既熟悉又陌生，但究竟它代表了什麼？讓我們深入探究。首先，讓我們將這個名字拆解為兩部分：「Chat」和「GPT」。GPT，或稱為「生成式預測模型」，是一種人工智慧技術，它在近年來已經逐漸融入我們的日常生活。回顧歷史，你還記得二十年前，那個震撼世界的時刻嗎？

當時，深藍電腦1戰勝世界國際象棋冠軍；如果這對你來說很遙遠，那或許你會記得2016年，當AlphaGo2（一款人工智慧系統）擊敗世界圍棋冠軍。不管你是否記得這些事件，它們都標誌著一個重要的事實：即使在那時，人們也沒有預見到人工智慧將在我們生活中扮演如此關鍵的角色。

然而，2021年11月，ChatGPT的出現顛覆了我們對人工智慧的認知。而這個名字中的「GPT」三個字母，標誌著一個新時代的開始，一個人工智慧不僅僅在專業領域發揮作用，更是日常生活中不可或缺的一部分。ChatGPT的創新之處，在於它將先進的AI技術融入日常溝通，打開了人工智慧與人類互動的新篇章。


為什麼叫做GPT？跟以往人工智慧有什麼不同？

GPT 是 Generative Pre-trained Transformer 的縮寫，意即生成式預訓練的 Transformer 模型。現在讓我們來逐一了解這三個字代表什麼意思。

首先來談談「G」，這代表「Generative」，中文翻譯為「生成式」。這表示這種 AI 模型的主要功能是創造出新的資料。AI 有許多不同的種類，過去我們較常見的是用於分辨型的 AI，比如手機上用於解鎖的人臉識別功能，就是利用分辨型 AI 達成的。然而，生成式 AI 則是一項相對於識別更為複雜的技術，它能夠創造出新的文字、圖片、影片等各種類型的資料。

接下來是「P」，代表「Pre-trained」，中文解釋為「預訓練」。這指的是 AI 模型在使用之前已經完成了一定程度的訓練。GPT 模型的訓練最初是採用「無監督式」，即不涉及人工干預，也無需對數據進行特定的標注，而是將大量網絡上的資料直接輸入模型中進行學習。經過無監督式訓練的階段後，模型會進一步進行「微調」，這一階段涉及人類的介入，以調整和優化模型，使其輸出更符合人類的偏好和需求。

最後的「T」代表「Transformer」，是由Google大腦（Google Brain）在 2017 年提出的一種深度學習模型架構，其核心機制是基於「注意力機制 (attention mechanism) 」來進行預測。GPT 就是建立在這種 Transformer 架構之上，並在此基礎上進行進一步的發展和優化。

透過對「Chat」和「GPT」兩詞的深入理解，我們可以揭示ChatGPT這款聊天機器人的本質：它是一種生成式的人工智慧。這種AI能創造全新的內容，且經過特殊的預訓練，使其能夠生成更接近人類偏好的回答，營造出彷佛擁有智慧的錯覺。

在這個技術領域裡，GPT可被視為生成式人工智慧的「大腦」，而Chat則是指專注於對話的機器人。目前，一些知名的對話AI包括ChatGPT、Claude3、Bing和Google Bard。另外，我們還有針對圖像創作的AI，如Midjueny、DALL-E、PlayGround和Stable Diffusion等，以及專注於影片創作的AI，如Runway、Stable Video 和Pika等。隨著技術的進步，我們可以期待越來越多這樣的應用將逐漸出現在我們的日常生活中。

換個角度來看，生成式人工智慧主要擅長於模仿人類的語言模式，從而提供看似準確的回答。然而，這並不意味著ChatGPT對現實世界有深入的理解，因此，它偶爾給出錯誤的回答也是在所難免的。雖然許多開發生成式AI的公司都致力於改善這一問題，但目前仍然沒有任何一家能夠保證完全避免錯誤。按照現有技術水平，完全避免這些錯誤似乎還不太可能。

因此，使用AI技術的每個人都應承擔起核查信息真實性的責任。這不僅是對技術進步的尊重，也是對倫理的重視。想像一下，如果你是一位主廚，而ChatGPT是你的助理廚師，作為主廚，你有責任監督助理廚師的工作，以確保最終成品的品質。畢竟，不能讓助理廚師隨意烹飪，否則主廚又有何用？如果你能夠理解這一點，你將會擁有一位強大而且永不疲憊的助手，幫助你完成許多工作。

我們正處於一個AI技術蓬勃發展的時代，各種創新的AI應用層出不窮，遠遠超出了ChatGPT的內容生成範疇。在這個快速變化的環境中，僅僅掌握ChatGPT等對話型AI的知識遠遠不夠，要想在未來的AI領域中脫穎而出，你需要採用一種多元化的學習策略，深入了解並掌握廣泛的AI技術。

本書旨在提供一個全面的AI技術概覽，從基礎到進階，涵蓋了當今最激動人心的技術進展。其中包括AI在圖像生成、影片製作、面部替換（AI換臉）、聲音複製以及個人數字化複製等領域的應用。這些技術的發展不僅推動了媒體和娛樂行業的創新，也為健康、教育、安全等領域提供了前所未有的解決方案。

本書將帶領讀者逐步了解這些技術背後的原理，探討它們的應用場景以及潛在的挑戰。我們將深入研究AI如何模仿、擴展，甚至超越人類的創造力，同時闡述如何在道德和法律框架內負責任地使用這些強大的工具。

閱讀本書後，你將對AI的廣泛應用有一個清晰的認識，並且對於如何在未來的工作和生活中利用這些技術有更深的理解。無論你是AI領域的新手，還是有經驗的從業者，這本書都將為你提供寶貴的知識和洞察力，幫助你在AI時代保持競爭力。

註1：
「深藍（Deep Blue）」是一台由IBM開發的超級電腦，它在1997年戰勝了當時的世界國際象棋冠軍加里‧卡斯帕羅夫（Garry Kasparov）。這是人工智能領域的一個重大突破，因為它標誌著計算機程序首次在這種高水平的智力遊戲中戰勝了人類冠軍。深藍的勝利不僅展示了計算機處理複雜任務的能力，也引發了對人工智能發展潛力和未來影響的廣泛討論。

註2：
AlphaGo 是由 Google DeepMind 開發的一款人工智能程式，它在2016年戰勝了世界圍棋冠軍李世石（Lee Sedol）。這場比賽是人工智能發展史上的一個重要里程碑，因為圍棋被認為是所有棋類遊戲中最複雜的，在此之前普遍認為人工智能在可預見的未來難以在這個領域戰勝頂尖的人類選手。AlphaGo的勝利不僅展示了深度學習和人工智能技術的巨大潛力，也引發了對人工智能在各行各業應用前景的廣泛討論。

ChatGPT，這個名字對許多人來說似乎既熟悉又陌生，但究竟它代表了什麼？讓我們深入探究。首先，讓我們將這個名字拆解為兩部分：「Chat」和「GPT」。GPT，或稱為「生成式預測模型」，是一種人工智慧技術，它在近年來已經逐漸融入我們的日常生活。回顧歷史，你還記得二十年前，那個震撼世界的時刻嗎？

當時，深藍電腦1戰勝世界國際象棋冠軍；如果這對你來說很遙遠，那或許你會記得2016年，當AlphaGo2（一款人工智慧系統）擊敗世界圍棋冠軍。不管你是否記得這些事件，它們都標誌著一個重要的事實：即使在那時，人們也沒有預見到人工智慧將...

前言

人工智慧通用知識篇
第一章 更具人性且靈活的內容生成式人工智慧
1-1 聽得懂人話的ChatGPT
1-2 比ChatGPT更接近人類的Claude 3
1-3 工作上最得力的AI小幫手—Copilot
1-4 拆解及組織內容更為出色的大型語言模型—Gemini

第二章 動動手指即有你想要的圖片—圖片生成式人工智慧
2-1 圖片生成式AI的演變史
2-2 只要打字，你也能成為藝術家—Dall-E
2-3 透過對話下達關鍵指令，即可生成你想要的圖片—Dall-E 3
2-4 零基礎也可使用的圖片生成式AI—Stable Diffusion
2-5首屈一指的AI生圖網站—Midjourney

第三章 不會攝影也能生成影片—影片生成式人工智慧
3-1 地表最強AI 影片生成長度—Sora
3-2 無需任何圖片或影像即可生成新的影片—Runway
3-3 讓你的文字「動」起來—Pika
3-4 免安裝即可快速生成影片—Stable Video Diffusion

人工智慧多媒體進階技術篇
第四章 以假亂真連專家也難分辨—人工智慧換臉（變臉）技術
4-1 真假難辨的深度偽造技術（Deepfake），好用卻也危險
4-2 什麼是AI換臉技術？
4-3 AI換臉到底是怎麼辦到的？
4-4 一鍵生成，傻瓜換臉軟體—Swapface
4-5 萬能君，三合一換臉軟體—Roop、FaceFusion、Rope
4-6 蘋果電腦（Mac）或電腦小白皆可使用的換臉軟體—AKOOL

第五章 親耳聽到不一定是真的—人工智慧複製（克隆）聲音
5-1 人工智慧複製聲音從何開始？
5-2 文本即可生成語音，超逼真—十一實驗室（ElevenLabs）
5-3 只需1分鐘即可克隆聲音—GPT-SoVITS

第六章 人工智慧創造一個人—數位人、數字人、虛擬人
6-1 數字人的演變史
6-2 數位人、數字人、虛擬人，你分清楚嗎？
6-3 D-ID讓靜態人臉照片說話了
6-4 免費照片數字人—萬能君，三合一換臉軟體
6-5 創建專屬你的數字人—小冰數字人
6-6 免費真人數字人—萬能君，三合一換臉軟體

第七章 付費內容生成式人工智慧，你該選擇哪一個？
7-1 Claude 3的評價
7-2 付費ChatGPT4的評價
7-3 付費Google Gemini的評價
7-4 綜合比較與建議

第八章 ChatGPT APP實用範例
8-1 製作食譜
8-2 規劃旅遊行程
8-3 掌握時勢不脫節
8-4 簡化複雜問題
8-5 學習英文
8-6 工作旅行翻譯機

附錄：免費使用Suno AI創作屬於你自己的歌

前言

人工智慧通用知識篇
第一章 更具人性且靈活的內容生成式人工智慧
1-1 聽得懂人話的ChatGPT
1-2 比ChatGPT更接近人類的Claude 3
1-3 工作上最得力的AI小幫手—Copilot
1-4 拆解及組織內容更為出色的大型語言模型—Gemini

第二章 動動手指即有你想要的圖片—圖片生成式人工智慧
2-1 圖片生成式AI的演變史
2-2 只要打字，你也能成為藝術家—Dall-E
2-3 透過對話下達關鍵指令，即可生成你想要的圖片—Dall-E 3
2-4 零基礎也可使用的圖片生成式AI—Stable Diffusion
2-5首屈一指的AI生圖網站—Midjourney

第三章...