卧槽这标题起的，我第一眼看过去还以为是R星跟腾讯搞了什么联动，结果点进来发现是硬蹭。GTA6预告片破亿确实牛逼，但你非要把AI三巨头塞进去说成啥“匪帮”，这就有点强行整活了。Hinton那老头子一把年纪了还戴大金链子？Yann LeCun那大胡子再配个墨镜，怎么看都像刚抢完网吧的落魄程序员，Bengio那一张学术脸就更离谱，黑帮老大开会都比他有杀气。真服了，这合成图看乐子还行，你说这是“技术突破”我是真忍不住想笑两声。 说实话GTA6预告片我刷了十几遍，画面细节确实绝了，迈阿密那种粉紫日落，街道上行人一个个跟真的一样，连沙滩上的水花都看着上头。然后看到下面那张所谓腾讯FaceStudio合成的“AI三巨头合照”，第一反应是：哦，这不就是换脸吗？现在随便一个手机APP也能搞这个，你告诉我这叫“新一代突破”？算了，你们做AI的反正天天突破，年年颠覆，我都听腻了。 不过既然是技术文章，我也认真看了几段。什么混合引导啊、身份识别模块啊、CLIP视觉编码器啊……一大堆名词堆上去，看得我头晕。但说人话不就是要你上传一张正脸照，再给他一张参考风格图，然后模型把你的脸贴在某个身体上吗？这玩意儿跟妙鸭相机有啥本质区别？就因为我多上传了一张照片，就算飞跃了？扯淡呢吧。 妙鸭相机我倒是真用过，那时候朋友圈一堆人发那个古装写真，我也跟风试了一把。要传二十多张照片，我当时还专门找角度拍，折腾了半小时传上去，它跟我说排队等一小时。行，我等。结果生成出来的玩意儿，我跟你说，我妈看了都摇头，说这哪个野男人？五官是有点像的，但整体气质约等于零，脸像被人揍肿了似的。我还试了那个什么“数字分身”功能，出来直接变硅胶娃娃，绝了。就这水平还号称什么爆款，大概是我长得不配吧。 回到FaceStudio，文章里吹的那个“多身份交叉注意机制”，说处理多人照片能分清谁是谁。我跟你说，我做视频剪辑的，经常拿AI合成演员的脸替换，这种多人场景我见得多了。你看着论文里那几个例子挺惊讶，实际用起来根本不行。只要两个人脸型稍微像点，或者有个侧脸、遮挡，它直接给你串脸。左边左边搞混，右边右边认错。真到那种三个人以上同框的场景，基本就是碰运气。腾讯这个我不敢说一定差，但你看他论文里放出来的图，三个人都正脸、打光还贼好，这能代表真实水平？我强烈怀疑是挑了上百张里最好的一张。 再说他那个“身份识别模块”用Arcface，这玩意儿我们搞安防都知道，平时拿来做人脸验证的，跟生成图像是两码事。你拿一个判别模型的特征硬塞给生成模型，物理上就不太对口。文章说通过线性层融合特征就搞定了，我听着怎么跟过家家似的。反正写论文嘛，都是自己设定问题自己解决，最后发个arxiv，又没人复现得了。你让腾讯把所有代码开源出来，我当场服气。 最让我不爽的是，这种AI写真技术现在已经被玩坏了。刷短视频经常看到有人拿AI换脸做明星擦边视频，还有诈骗团伙专门拿这个冒充熟人骗钱，前阵子不是有个新闻嘛，一个女的被AI换脸视频骗走了几十万。现在腾讯又说这个FaceStudio能做到“高辨识度”，那不是更给骗子递刀？你想想，以后打个视频电话，那边脸是你朋友，声音也是你朋友，其实是AI合成的，你信不信？我都觉得恐怖。技术是好技术，但你得管控啊，现在论文一挂、主页一放，代码随便下载，等于把高危武器扔给大街，你们腾讯负责吗？ 而且，腾讯说“更注重保留人像的身份信息”，这话听着挺好，但仔细一琢磨就变味了。要是我随便拿一张你的照片，配上个暴力或者色情的风格，然后生成一个“你”干坏事，你说你是不是百口莫辩？尤其现在很多人社交平台上都公开自拍，拿一张正脸照太容易了。文章里还说什么“在不牺牲个人身份特征的情况下”，我看到这句话直接笑了，这不就是要把人搞得一眼能认出来吗？那万一用来作恶，受害者连辩解的机会都没有。技术无罪这话骗鬼呢，卖刀的难道不管刀砍人？ 还有，腾讯这研究说白了就是站在StableDiffusion肩膀上。StableDiffusion是开源的，全世界不知道多少人拿它做工作，腾讯倒好，套了层壳，改个名，加上一个什么混合引导，就发论文吹成自家突破。你要真有本事，你就从零开始搞个生成模型出来，别天天对着开源代码修修补补，然后鼓吹“创新”。开源社区辛辛苦苦喂数据、写代码，你们拿去发论文评绩效，连致敬都不写一句。真不要个脸了。 再扯回GTA6。R星做游戏那是什么态度？开发了十多年，预告片里每一个镜头都是实打实的调校过的，人物表情、物理碰撞，全是硬功夫。反观AI写真行业，妙鸭火了没几天，一堆公司开始蹭，腾讯也急急忙忙出FaceStudio，就是为了证明“我也有”。可你做完之后呢？有多少人真的用？有多少场景能落地？我看大多数就是拿几张明星图搞噱头，要么就是卖会员割韭菜。文章里也承认“用户需要上传多张差异较大的照片，并且需要等待较长时间”，但妙鸭那会儿可是把用户坑惨了，高峰期排队两三个小时，我都以为自己在抢小米手机。 说真的，AI写真这条路现在就像当初的元宇宙，人人都喊风口，其实一窝蜂上去没几个会走的。腾讯这个FaceStudio就算技术强一点，又能怎么样？做出来了收费19块9生成一套图，新鲜劲过了吃灰。你说要跟GTA6比？笑死，游戏里随便一个NPC的路人建模都比AI生成出来的真实感强多了。GTA6整个城市的生态系统，每个人都有自己的行为模式，那才叫技术。而你FaceStudio，无非就是让人过一把换装瘾，还经常换得鬼都不像。 不过我也不是说这东西毫无用处。毕竟对于普通人来说，能一键把自己的照片变成动漫风、像素风、或者GTA风格，确实挺好玩。我自己之前拿AI把自己的毕业照改成赛博朋克的感觉，发朋友圈点赞还挺多。但好玩归好玩，别吹成什么“人工智能领域的里程碑”。这篇文章的字里行间都透着一股营销味，先蹭GTA6的热度，再吹腾讯的成果，最后还附上论文链接，你们说是吧？反正我看了就一个感受：腾讯给PR部门加鸡腿了，这文案写得比产品实在。 最后我还真想问一句，Yann LeCun、Hinton、Bengio这三位，你们知道自己的脸被腾讯拿去生成这种图了吗？人家好歹是图灵奖得主，每天研究的是怎么让AI更聪明更可靠，结果被网友拿去当黑帮玩，估计心里都要骂娘。LeCun那个暴脾气，之前还经常跟人吵架推特对线，看到自己被P成匪帮，搞不好发一条diss腾讯的推特呢。反正我没见过哪个正经科研大佬喜欢自己被搞成这种娱乐素材的，除非给了钱。 行了不说了，再说下去好像我多恨腾讯似的。其实我就是觉得，AI写真这东西现在吹得天花乱坠，实际体验谁用谁知道。文章里说的那些技术细节，放在论文里看着挺像那么回事，可用户拿到手还是那个尿性：上传一堆照片、等半天、生成结果一塌糊涂。FaceStudio叫什么“保留身份信息”，我寻思这也不是什么新概念啊，之前那种深度学习的换脸算法不也能保留吗？无非就是精度高一点点，你就能吹成“突破”了？中文科技圈的毛病，两米深的坑愣说成万丈深渊。 GTA6我还是会预购的，那个预告片确实吹爆，但那是因为R星用十年时间打磨的。至于腾讯的AI写真，我可不想等它十年打磨，我宁愿用美图秀秀手动P，至少不用排队。