【情人节特辑】：虚拟女友教你如何正确“回答”

---

该项目旨在通过技术手段将“直男话术”转化为高情商表达，以增进情侣感情。其核心是让虚拟女友纠正不当话语，具体步骤如下：首先，输入直男语句（如“多喝热水”）转换为对应编号的高情商表达；接着用Pixel2Pixel模型将卡通照片真人化；再将真人化照片输入PaddleBoBo生成女友动画；最后让虚拟女友纠正话语。项目需32GB以上显卡环境，依赖相关模型和工具实现。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

虚拟女友纠正话语器

情侣之间相处少不了摩擦，但是据发现很多不必要的吵架，往往是词不达意造成的。比如关心她的身体健康，要注意身体，往往就只说了句“多喝热水”。如果换成另外一种表达，会让对方更容易接受，也更容易接收你给的爱意。因此“会说话”就变得十分重要了。这个项目就给大家一个初步的示范，怎么样的高情商的回答会让这段感情升温。

主要内容借鉴了我之前的项目：打造一个专属自己的卡通真人化主播

例如输入这张照片以及直男话术，你觉得会呈现出什么效果的视频呢?（doge）

直男语句：多喝热水。

效果展示

整体实现：

1.输入直男话语切换成高情商语句

2.利用Pixel2Pixel模型实现卡通照片真人化

3.把真人化输出的照片输入进PaddleBoBo生成女友动画

4.让虚拟女友纠正你的话语

PS：执行此项目请使用32GB显卡以上环境（看PaddleBoBo作者项目有提到，用16GB会爆内存导致跑不通，且本次项目也是在32GB显卡环境上制作的）

第一步、输入直男话语切换成高情商语句

请记住生成的编号等等用得着

In [ ]

huashu_dict={'多喝热水':'a',            '你怎么又生气了':'b',            '你又怎么了':'c',            '你要这样想我也没办法':'d',            '随便你！你定吧':'e',            '哦':'f'}#请输入上面指定语句（粗糙版，请大家多多包涵）a = input('请输入直男语句:'+'\n')if a in huashu_dict:    print('已生成合适的话术'+'\n'+'请记住生成编号'+':'+huashu_dict.get(a))else:    print('不好意思，这句话我还没学会呢。')

请输入直男语句:
已生成合适的话术
请记住生成编号:a

第二步、利用Pixel2Pixel模型实现卡通照片真人化

主要是修改 image_name='01503.png'，改成自己心仪的动漫照片（最好使用逆向思维：卡通照片真人化项目里面数据集的照片文件，其他动漫照片生成效果不好看，我不负责的哈）

In [ ]

import paddleimport paddle.nn as nnfrom paddle.io import Dataset, DataLoaderimport osimport cv2import numpy as npfrom tqdm import tqdmimport matplotlib.pyplot as pltimport PIL.Image as Image
%matplotlib inlineclass UnetGenerator(nn.Layer):
    def __init__(self, input_nc=3, output_nc=3, ngf=64):
        super(UnetGenerator, self).__init__()

        self.down1 = nn.Conv2D(input_nc, ngf, kernel_size=4, stride=2, padding=1)
        self.down2 = Downsample(ngf, ngf*2)
        self.down3 = Downsample(ngf*2, ngf*4)
        self.down4 = Downsample(ngf*4, ngf*8)
        self.down5 = Downsample(ngf*8, ngf*8)
        self.down6 = Downsample(ngf*8, ngf*8)
        self.down7 = Downsample(ngf*8, ngf*8)

        self.center = Downsample(ngf*8, ngf*8)

        self.up7 = Upsample(ngf*8, ngf*8, use_dropout=True)
        self.up6 = Upsample(ngf*8*2, ngf*8, use_dropout=True)
        self.up5 = Upsample(ngf*8*2, ngf*8, use_dropout=True)
        self.up4 = Upsample(ngf*8*2, ngf*8)
        self.up3 = Upsample(ngf*8*2, ngf*4)
        self.up2 = Upsample(ngf*4*2, ngf*2)
        self.up1 = Upsample(ngf*2*2, ngf)

        self.output_block = nn.Sequential(
            nn.ReLU(),
            nn.Conv2DTranspose(ngf*2, output_nc, kernel_size=4, stride=2, padding=1),
            nn.Tanh()
        )    def forward(self, x):
        d1 = self.down1(x)
        d2 = self.down2(d1)
        d3 = self.down3(d2)
        d4 = self.down4(d3)
        d5 = self.down5(d4)
        d6 = self.down6(d5)
        d7 = self.down7(d6)
        
        c = self.center(d7)
        
        x = self.up7(c, d7)
        x = self.up6(x, d6)
        x = self.up5(x, d5)
        x = self.up4(x, d4)
        x = self.up3(x, d3)
        x = self.up2(x, d2)
        x = self.up1(x, d1)

        x = self.output_block(x)        return xclass Downsample(nn.Layer):
    # LeakyReLU => conv => batch norm
    def __init__(self, in_dim, out_dim, kernel_size=4, stride=2, padding=1):
        super(Downsample, self).__init__()

        self.layers = nn.Sequential(
            nn.LeakyReLU(0.2),
            nn.Conv2D(in_dim, out_dim, kernel_size, stride, padding, bias_attr=False),
            nn.BatchNorm2D(out_dim)
        )    def forward(self, x):
        x = self.layers(x)        return xclass Upsample(nn.Layer):
    # ReLU => deconv => batch norm => dropout
    def __init__(self, in_dim, out_dim, kernel_size=4, stride=2, padding=1, use_dropout=False):
        super(Upsample, self).__init__()

        sequence = [
            nn.ReLU(),
            nn.Conv2DTranspose(in_dim, out_dim, kernel_size, stride, padding, bias_attr=False),
            nn.BatchNorm2D(out_dim)
        ]        if use_dropout:
            sequence.append(nn.Dropout(p=0.5))

        self.layers = nn.Sequential(*sequence)    def forward(self, x, skip):
        x = self.layers(x)
        x = paddle.concat([x, skip], axis=1)        return x#实例化生成器generator = UnetGenerator()#加载权重last_weights_path = 'data/data148534/epoch100.pdparams'print('加载权重:', last_weights_path)

model_state_dict = paddle.load(last_weights_path)
generator.load_dict(model_state_dict)
generator.eval()#读取数据image_name='01503.png'img_A2B = cv2.imread('work/'+image_name)
img_A = img_A2B[:, 256:]                                  # 卡通图（即输入）img_B = img_A2B[:, :256]                                  # 真人图（即预测结果）g_input = img_A.astype('float32') / 127.5 - 1             # 归一化g_input = g_input[np.newaxis, ...].transpose(0, 3, 1, 2)  # NHWC -> NCHWg_input = paddle.to_tensor(g_input)                       # numpy -> tensorg_output = generator(g_input)
g_output = g_output.detach().numpy()                      # tensor -> numpyg_output = g_output.transpose(0, 2, 3, 1)[0]              # NCHW -> NHWCg_output = g_output * 127.5 + 127.5                       # 反归一化g_output = g_output.astype(np.uint8)#只保存生成真人图像img = np.asarray(g_output).copy()
img = Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))# cv2 to Imageimg.save('work/'+'output_'+image_name)

img_show = np.hstack([img_A, g_output])[:,:,::-1]
plt.figure(figsize=(8, 8))
plt.imshow(img_show)
plt.show()

/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/__init__.py:107: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import MutableMapping
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/rcsetup.py:20: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import Iterable, Mapping
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/colors.py:53: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import Sized
W0728 22:24:44.614435   192 gpu_resources.cc:61] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 11.2, Runtime API Version: 10.1
W0728 22:24:44.619457   192 gpu_resources.cc:91] device: 0, cuDNN Version: 7.6.

加载权重: data/data148534/epoch100.pdparams

/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/cbook/__init__.py:2349: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  if isinstance(obj, collections.Iterator):
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/cbook/__init__.py:2366: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  return list(data) if isinstance(data, collections.MappingView) else data

效果展示

变身！！！

第三步、把真人化输出的照片输入进paddlebobo生成虚拟女友动画

3.1解压压缩包

In [11]

!tar xzvf bobo.tar.gz PaddleBoBo data nltk_data work

3.2安装PaddleGAN和PaddleSpeech依赖

In [ ]

#这一步执行时间会比较久!pip install ppgan paddlespeech

3.3动漫真人化图像生成虚拟女友动画

这一步用到了default.yaml的配置文件，如果你只是尝试的话使用默认配置即可，如果你需要生成另一个人像，请修改default.yaml配置。主要是修改输入照片的位置：PaddleBoBo/default.yaml 里面的FOM_INPUT_IMAGE: '/home/aistudio/work/output_01503.png'

In [ ]

%cd PaddleBoBo
!python create_virtual_human.py --config default.yaml

第四步、让虚拟女友纠正你的话语

--text 请输入之前生成的编号

In [ ]

!python general_demo.py --human ./file/input/test.mp4 --output ../output.mp4 --text a

效果展示

# python  # 工具  # ai  # igs  # default  # 请输入  # 多喝  # 请记住  # 如果你  # 会让  # 加载  # 化生  # 自己的  # 主要是  # 是在 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 网络优化91478 】 【 技术知识72672 】 【 云计算0 】 【 GEO优化84317 】 【 优选文章0 】 【 营销推广36048 】 【 网络运营41350 】 【 案例网站102563 】 【 AI智能45237 】

相关推荐： Vivo V50e 5G AI功能：最佳AI特性深度解析  文心一言怎么一键生成会议纪要_文心一言纪要生成与重点提取【指南】  智行ai抢票怎么选优先车次_智行ai抢票车次优先级设置技巧【指南】  Telegram与n8n集成教程：自动化AI助手构建指南  tofai官方网站入口 tofai在线网页版登录  百度ai助手通知栏怎么关 百度ai助手通知消息屏蔽  OpenAI Codex最强攻略：提升AI编码效率的秘诀  ChatGPT 4.0赋能室内设计：20+实用技巧提升工作效率  Depseek如何让提示词包含上下文_Depseek上下文补充提示词写法【步骤】  DeepSeek 辅助进行硬件描述语言 Verilog 调试  Spin Rewriter AI：终极内容创作与SEO优化指南  智行ai抢票怎样设置抢票通道_智行ai抢票通道选择与速度优化【指南】  畅游长崎：寻找宝可梦与樱花的浪漫之旅  HelloData.ai：AI驱动的多户型房地产市场分析平台  如何通过 DeepSeek 优化分布式存储系统架构  怎么使用网页版deepseek【教程】  歌曲分析：The Killers乐队的《Mr. Brightside》歌词深度解析  AI音频增强和视频背景替换终极指南  轻松生成二维码：免费AI工具终极指南  Gamma做年终总结PPT怎么用_Gamma做年终总结PPT使用方法详细指南【教程】  Claude怎么用新功能代码调试_Claude代码调试使用【方法】  Sora 2 API 全面解析：功能、应用与 Lovable 集成指南  教你用AI一键为代码添加注释，小白也能读懂复杂程序  利用 ChatGPT 设计高效的个人健身与饮食计划  在线歌曲歌词生成器：创意歌词轻松创作指南  解读Childish Gambino《This Is America》的深层含义与文化影响  tofai免费网页版入口 tofai官网手机版网站  ChatGPT怎么写工作汇报 职场办公效率提升与周报生成方法  通义千问怎样优化提示词效果_通义千问提示词优化技巧【攻略】  AI时代生存指南：掌握软实力，成为不可替代的人  AI语音生成器终极指南：免费工具与逼真语音编辑  文心一言辅助学习方法 解决难题与知识点梳理使用指南  AI写作鱼怎么一键生成论文大纲_AI写作鱼大纲生成与逻辑梳理【技巧】  Claude怎么用新功能代码辅助_Claude代码辅助使用攻略【方法】  ChatGPT怎样用提示词模拟专家视角_ChatGPT专家视角设置【指南】  怎么用ai制作表情包 AI个性化动态表情包教程【方法】  Google Gemini 辅助进行 Android Studio 代码开发  使用 ChatGPT 构建自动化 SEO 关键词库  快速生成PPT工具怎么用_快速生成PPT工具使用方法详细指南【教程】  AI朋友圈文案生成工具有哪些_一键生成营销文案的AI工具推荐  消除噪音，提升音质：Audo.ai终极指南  AI赋能建筑合同管理：ChatGPT实用案例深度解析  Google Gemini 在跨境电商选品分析中的实战  Claude怎么用新功能故事创作_Claude故事创作使用【方法】  京东旅行AI能否抢返程票_京东AI返程票预约与自动抢购【技巧】  百度AI搜索怎么用AI总结网页_百度AI搜索网页总结功能与调用【技巧】  ChatGPT 角色扮演实战：提升沟通技巧与问题解决能力  ChatGPT 提示词工程：结构化指令编写指南  Removebg怎样快速抠图_Removebg上传图片与自动抠图步骤【教程】  SteosVoice：电报语音克隆终极教程 

 2025-07-16