AI创造营：恋爱助手 一键表白 带走你的心上人

直男碰到爱情，还在为不知和心爱的她说什么而发愁吗？ LoveAssistantBot来帮忙

带你提高情商 增加魅力 让约会不再尴尬

效果展示

情话不会说？来看情话生成器

项目链接

基于PaddleHu的情话生成器 让你的七夕不再尴尬

我爱你，不仅仅是一句甜言蜜语，我愿意用行动来证明。“亲爱的，坐稳了!”’

‘喜欢你，没有技巧，真诚且野蛮。’

我今解此如意珠，

喜汝为我返魂无。

欢声百里镇如席，

你若来时我自有。

情话说不出口？爱豆帮你来表白

通过paddleGAN 进行唇形驱动 让爱豆帮你说出你想说的话
项目链接

告白成功怎么办 一键做出专属于你们的情头

通过风格融合 做出你们喜欢的情头

也可以自己选择一张风格图像 通过风格融合做出你们的专属头像 慢慢尝试 总有一款你的npy会喜欢

ps：wechaty上已经部署了部分功能，唉 部署中有好多功能调用不了 还要继续调试

wechacy上是通过AI Stido脚本运行的 小伙伴们有想尝试的可以试试，还是蛮方便的

参考项目链接

后面还有一些想法，包括可以推荐约会路线，智能回答npy死亡问题等等，做出来会继续更新

祝大家都能找到自己的幸福

B站链接

脚本链接 实现wechaty上部署

github项目链接

后续还会持续更新 现在的版本还是太糙 大家点个关注 蹲下更新呗

情话不会说？来看情话生成器

基于PaddleHu的情话生成器 让你的七夕不再尴尬

# 升级paddlehub至最新版本
!pip install paddlehub --upgrade -i https://mirror.baidu.com/pypi/simple 

# 命令行一键情话生成
test_text="我爱你"
!hub run ernie_gen_lover_words --input_text="我爱你" --use_gpu True --beam_width 1

# 命令行一键对联生成  文采彬彬
!hub run ernie_gen_couplet --input_text="爱你爱在西元前" --use_gpu True  --beam_width 1
#生成结果;[['惜春惜于东望中']]

# 命令行一键诗歌生成 让她对你刮目相看
!hub run ernie_gen_poetry --input_text="两情若是长久时，又岂在朝朝暮暮。" --use_gpu False --beam_width 1
#[['一日一回肠断来，明日明朝是何处。']]

#通过API一键生成
import paddlehub as hub

module = hub.Module(name="ernie_gen_lover_words")

test_texts = ['喜欢你']
# 调用预测接口生成情话内容
results = module.generate(texts=test_texts, use_gpu=True, beam_width=1)

for result in results:
    print(result)

['喜欢你，没有技巧，真诚且野蛮。']

# 在模型定义时，可以通过设置line=4或8指定输出绝句或律诗，设置word=5或7指定输出五言或七言。
# 默认line=4, word=7 即输出七言绝句。
module = hub.Module(name="ernie_gen_acrostic_poetry", line=4, word=7)

test_texts = ['我喜欢你']
# 调用预测接口生成藏头诗内容
results = module.generate(texts=test_texts, use_gpu=True, beam_width=5)

for result in results:
    print(result)

['我方治地种秋芳，喜见新花照眼黄。欢友相逢头白尽，你缘何事得先尝。', '我今解此如意珠，喜汝为我返魂无。欢声百里镇如席，你若来时我自有。', '我今解此如意珠，喜汝为我返魂无。欢声百里镇如席，你若来时我自孤。', '我今解此如意珠，喜汝为我返魂无。欢声百里镇如席，你若来时我自如。', '我方治地种秋芳，喜见新花照眼黄。欢友相逢头白尽，你缘何事苦生凉。']

情话说不出口 AI凑

有些话总是难以说出口，不怕不怕，表白怎么能没下一步，一张照片，生成专属于你的告白视频 大声说出爱吧

!git clone https://gitee.com/paddlepaddle/PaddleGAN.git

Cloning into 'PaddleGAN'...
remote: Enumerating objects: 310, done.
remote: Counting objects: 100% (310/310), done.310)
remote: Compressing objects: 100% (182/182), done.
remote: Total 3689 (delta 167), reused 251 (delta 120), pack-reused 3379
Receiving objects: 100% (3689/3689), 157.62 MiB | 8.01 MiB/s, done.
Resolving deltas: 100% (2375/2375), done.
Checking connectivity... done.

# 安装依赖
%cd /home/aistudio/PaddleGAN
!pip install -v -e .
!pip install -r requirements.txt

#使用命令行进行预测
#face: 原始视频，视频中的人物的唇形将根据音频进行唇形合成--通俗来说，想让谁说话
#audio：驱动唇形合成的音频，视频中的人物将根据此音频进行唇形合成--通俗来说，想让这个人说什么
%cd /home/aistudio/PaddleGAN/applications
!export PYTHONPATH=$PYTHONPATH:/home/aistudio/work/PaddleGAN && python tools/wav2lip.py --face /home/aistudio/张若昀2.jpeg --audio /home/aistudio/大话西游经典台词.mp4 --outfile /home/aistudio/work/outut.mp4

她答应了 她答应了 表白成功了 怎么办 ？

当然是换上情头 广而告知了 传统的情头太单调了吧！ 我们换上专属情头吧 还可以选择不同的风格哦

! pip install --upgrade ppgan

%cd /home/aistudio/PaddleGAN  #照片放进PadlleGAN/data文件夹下
!python applications/tools/lapstyle.py --content_img data/boy.jpg  --output_path 1NEW/boy_ocean  --style ocean

如果还不够 那就来自己做情头

输入一张风格图片 再输入你们的情头就可以做出指定风格的情头了 开动你的脑筋尝试起来吧 总有一款让你的npy满意

import paddlehub as hub
import cv2
import matplotlib.image as mpimg

! hub install stylepro_artistic

stylepro_artistic = hub.Module(name="stylepro_artistic")

results = stylepro_artistic.style_transfer(images=[{
        'content': cv2.imread("boy.jpg"),
        'styles': [cv2.imread("风格2.jpg")]}],
        alpha = 0.5,
        visualization = True)
results = stylepro_artistic.style_transfer(images=[{
        'content': cv2.imread("girl.jpg"),
        'styles': [cv2.imread("风格2.jpg")]}],
        alpha = 0.5,
        visualization = True)

[2021-08-11 10:25:15,466] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object

import matplotlib.image as mpimg
import matplotlib.pyplot as plt
# 预测结果展示
test_img_path_1 = "transfer_result/ndarray_1628648726.3272665.jpg"
test_img_path_2="transfer_result/ndarray_1628648737.05092.jpg"
img = mpimg.imread(test_img_path_1)
img2= mpimg.imread(test_img_path_2)
# 展示预测结果图片
plt.figure(figsize=(10,10))
plt.imshow(img) 
plt.axis('off') 
plt.show()
plt.figure(figsize=(10,10))
') 
plt.show()
plt.figure(figsize=(10,10))
plt.imshow(img2) 

<matplotlib.image.AxesImage at 0x7f26102d52d0>

项目总结

1.功能待扩展，在生成头像那里，可以加上智能推荐情头啥的

2.在本地部署的速度有点慢，可以迁移到比如Paddle脚本上，但是现在迁移到脚本上还有点问题

3.体验待优化，现在机器人还比较“死板”