大資料文摘出品

作者：牛婉楊

在這個一言不合就鬥圖的年代，表情包已經成為了人人必需的“裝備”。

最近，文摘菌就發現一位外國友人做了個

AI表情包生成器

，坦白講這個生成器

依然逃不過“沙雕”的標籤

，就像之前的“狗屁不通文章生成器”和“讀後感生成器”。

它的首頁是這個樣子的有

48個表情包模板

可供使用。

傳送門：

https：//imgflip。com/ai-meme

*看到這裡有沒有朋友好奇“Meme”是什麼？事實上，“Meme”就是我們常說的表情包。

網站標題“This Meme Does Not Exist”也延續了之前各種StyleGan生成網站的“不存在”系列，意喻“不存在的表情包”。

接下來就讓我們直奔主題，文摘菌要好好看看它能給表情包配上什麼字~

首先，大致掃了一眼，發現最眼熟的就是第二行中間那隻doge，確認過眼神，就它了！選中圖片之後，就生成了以下表情包：

這個文字配的嘛，大家仔細品，還是比較符合我們日常的表情包風格。再點選重新整理，AI又會給這張圖配上新的文字，下面這張送給吃貨朋友們：

重新整理了幾次，文摘菌發現，出現次數最多的詞彙有

“wow”，“such”，“much”

等一些百搭詞彙，而這個AI文字生成器的

水平也是

參差不一

，有時覺得這個表情包可以拿來用，有時就覺得很荒謬，get不到有趣的點。

除此之外，我們還可以

在文字框裡輸入一些文字提示

，來幫助它生成我們想要的表情包。比如文摘菌輸入“hello”，就生成了這樣子的表情包：

這。。。真的難為它了。要不文摘菌輸入一點符合表情包邏輯的單詞？比如：

立馬就有內味兒了是不是！

這個網站除了生成表情包還能幹啥

從這個網站首頁看來，似乎還是一個表情包發燒友的交流社群？大家可以把自己製作的表情包釋出到網站，使用者可以根據喜好來投票。

AI生成表情包只是這個網站的一個專案，除此之外還可以

手動上傳表情包背景，以及輸入表情包內容

。但在文摘菌看來，這個網站相比國內微信表情包搜尋和某圖的一鍵表情包p圖，簡直弱爆了~

說了這麼多，還沒有介紹專案作者。這個表情包生成器的作者是Dylan Wenzlau，也是這個

表情包素材平臺Imgflip的創始人

。他在Medium上發表的一篇文章中，詳細介紹了表情包生成器的原理，是透過深度卷積網路製作的。

Medium超詳細教程：

https：//towardsdatascience。com/meme-text-generation-with-a-deep-convolutional-network-in-keras-tensorflow-a57c6f218e85

深度卷積網路是一種常用於影象的神經網路，Wenzlau使用機器學習平臺Tensorflow和Keras對其進行了訓練，建立了一個能匹配48種不同表情包格式的文字生成模型。他還在Github上釋出了完整的程式碼供大家嘗試。

Github指路：

https：//github。com/dylanwenzlau/ml-scripts/tree/master/meme_text_gen_convnet

表情包質量如何，資料集來決定！

資料集簡直就是AI生成文案的靈魂啊，要想表情包更接地氣，就要儘可能多的收集資料。

就Wenzlau所說，在做這個生成器時，

選取了96萬個表情包文案作為訓練資料

。為了使文字生成的更加精確，Wenzlau

以字母為單位作為一個訓練樣本

，而不是一個單詞。他還表示，以字母為單位訓練的成果比以單詞為單位要有趣多了！因為對於英文來說，以字母劃分更加細緻，能夠激發AI更多的可能性。

實際上，表情包生成器並不是第一次出現，兩年前斯坦福大學的Abel L。 Peirson V和E。 Meltem Tolunayl就寫了一篇關於

使用深度神經生成表情包的論文

。他們為此還做了一個APP，稱之為

首個可以用AI生成表情包的應用程式

。

他們在論文中寫道，

資料集對這個生成器來說太重要了

。

他們的資料集

由大約40萬張帶有標籤以及說明的圖片

組成。其中有2600個專門的圖片-標籤組合，是他們

從Python指令碼中獲得

的。

如上圖所示，資料集中一張圖片對應一個標籤和相關的說明，“手把手”教AI學習。

來看看這個AI的作品吧，你pick哪張呢？

目前看來，AI的這些配字，就像一個青澀的孩子說出來的話，有些很可愛，有些又很荒謬。

但事實上，幽默感確實很難評判，大都因人而異，還帶有一些主觀色彩。

這篇論文的作者也指出，他們的這項工作十分基礎，要想表情包更加接地氣，還要經過更長時間的研究。另外，他們還指出探索

視覺注意力機制在表情包生成中的作用

，也是一個不錯的研究方向。