用AI还原地道京片子！作者大谷亲自揭秘老北京视频语音修复，网友：黄渤穿越了？

大数据文摘出品

作者：刘俊寰

对历史，我们总是充满了无限的遐想，而北京这座城市充满了太多故事，对于过去或现在生活在这里的人，都是一份情怀。

在电影中，我们经常能看到对老北京街道的还原，但布景终归只是布景。试想在90年前，有人用摄像机记录下了当时的一切呢？

早在5月，微博博主“大谷Spitzer”分享了他对百年前老北京视频的修复结果，如今在和央视的合作下，时隔两个月，第二期节目终于如约而至，在新的视频中，除了仍然熙熙攘攘的老北京街道，你还能看到很多生活化的场景，甚至听到他们的声音。

比如在学校外面买饭时孩子们的喧闹声：

或者是盲人乐手在街边弹奏表演：

甚至是在剃头小摊剃头，这效果可以堪比不少Tony老师了：

“这头剃得好不疼，剃得不好，真疼！”

“你家几口人啊“

“十口人？！怎么那么些人呢？“

“一天挣两毛钱够挑费不？“

看到这里，有网友表示，“感觉剃头师傅说了段相声”。

这剃头小哥也是个话痨，他对着镜头拍头说“剃挺好”的时候，文摘菌觉得，这怎么就这么像“黄渤×夏雨”呢？

有网友也表示认同，笑称道，“黄渤，你为什么穿越回去剃头”。

这次除了画面，声音修复是一大亮点，不过碍于GIF的限制，想听最纯正的老北京话，大家可以点击下方链接?：

对于大谷来说，有了两次的经验，这次的修复项目要显得得心应手了许多，在整体效果的呈现上，大谷也十分满意，不过颜色上还存在闪烁，分辨率也还可以再提升。

大谷表示，会总结每次的经验教训，争取下一次比上一次的效果更好，当然他也会尝试加入一些新技术。

这次的修复项目，大谷和央视进行了合作，在央视的宣传下，更多人得以领略百年老北京风光，不少网友感叹道科技的进步和贡献：

也有网友感叹道时间的流逝，“下一个90年，未来的人看到我们现在生活面貌，不知道会是什么感想”。

视频发布一周后，在微博、知乎等多个社交平台上都掀起了讨论热潮，文摘菌也再次联系到大谷，第二次接受采访的他也显得要游刃有余许多。

用AI项目做声音修复，老北京视频有声音啦！

说到本次视频的来源，大谷介绍道，可以称得上本次修复过程中最困难的地方了。

虽然网上能找到两段相关的视频影像，两分钟的宣传片和六分钟的正片，但是网上的版本水印非常重，基本不能用，这才触发了大谷向美国南卡罗莱纳大学影像库“求救”，申请了视频的使用权，得到了学校内部版本的视频，这才解决了水印的问题。

“那边的人很配合。”大谷说，当然他们提出了一些要求，就是要加上视频前的小黄纸片，和版权声明部分，除此之外，对视频的后续处理和分享都是自由的。

视频开头的小黄纸片

除了水印外，由于年代差距，这两段宣传片和正片的内容是不重复的，再加上当时的工作人员不懂中文，两段视频的时间顺序是完全乱掉的，比如前一秒还是宣传片的内容，后一秒就马上跳到了全片末尾。

所以拿到这个视频之后，大谷的第一个工作就是把视频重新剪辑到正确的时间流上。

在声音的修复上，当时制作团队所使用的录音设备无形之中帮到了大忙，微博网友@失重的梁柱介绍道：

福克斯有声电影新闻在当时是比较新鲜的模式。区别于华纳兄弟开发了维他风（Vitaphone）和RCA 开发的光电留声机（Photophone），福克斯的有声电影（Movietone）属于单摄影机系统，可将声画同时录制到胶片上，较之以往是十分便捷的。而目前所见的拍摄中国的原声影片，很多都出自福克斯的这一系列。

得益于设备的先进，视频本身的录音效果就已经足够好，再加上南卡罗莱纳大学可能也进行了一些初步处理，大谷所做的工作主要是底层去噪，也就是处理掉那些经常出现在录音中的、吱吱的毛刺声。

大谷表示，AE或PR里的去噪功能就很好，系统首先会学习一小段噪音波形，随后会自动把后续出现的噪音部分抵消，这样的话听上去会清晰很多。但去噪主要针对以低频为主的声音，处理后整体的声音效果听上去就会比较“干”，所以在去噪后，大谷还加入了一些混响，让声音听上去更自然，当然文摘菌可是一点都没听出来。

不过，在盲人演奏的音乐部分，大谷除了加了混响外，基本没有做其他处理，因为音乐本身的混声就比较严重了，如果再去噪的话，低音乐器的声音就会被掩盖住。

随后，大谷还介绍了一个声音修复的AI项目，导入一段默片，AI系统就可以自动补充出音效，比如导入《火车进站》，系统就能补充火车的音效，由远及近，非常逼真，有了这项技术就可以更轻松地对更多老电影进行声音修复了。

不过，这个项目还没有开源，大谷表示他也会持续关注最新进展。

论文链接如下，感兴趣的朋友们可以尝尝鲜：

http://bvision11.cs.unc.edu/bigpen/yipin/visual2sound_webpage/visual2sound.html

大谷说到，这其实是第一次针对原声视频进行修复，也是很有意义的一次进步。南卡罗莱纳大学影像库内部还保存有很多有声老视频，也希望未来能够和他们继续取得联系。

画面大升级：边缘更平滑，整体效果更好了

除了声音上的修复外，文摘菌也注意到，与第一期视频相比，本次视频中画面上颜色跳来跳去的情况少了很多，这与大谷使用的不同软件有着直接关系。

大谷表示，在画面分辨率上首先进行了进一步的提升，与第一期不同，本次修复主要使用的是Topaz，Topaz在边缘的处理上要更加平滑，画面效果也更好。

其次就是利用到了DeepRemaster这项技术，与这项技术的邂逅是在YouTube上的推荐流上，这其实是GitHub上的一个开源项目，目前还在研究中。

GitHub链接：

https://github.com/satoshiiizuka/siggraphasia2019_remastering

发现这项技术之后，大谷就发邮件征得了两位日本研究员的同意。

在使用过程中，大谷发现，DeepRemaster非常好上手，可以导入一些手绘图或者历史图像作为参考图，修复的效果就会稳定在参考图的范围内，同时场景中颜色的抖动也变得更加平稳。

在本次视频中，盲人音乐家表演的部分和“黄渤”拍头的部分都是通过这个技术实现的。

当然，DeepRemaster技术本身也存在瓶颈，不是所有的场景都能直接套用，就大谷的个人经验来说，对于动作剧烈或者是人脸很多的场景，比如市井，都没办法使用这项技术，DeepRemaster更适合那些静帧、平移的画面，比如音乐表演。

在画面和声音的修复工作上，大谷也进行了有机的结合，比如电脑自动补帧的时候，就可以利用空隙在PR上修复声音，两个部分可以不矛盾地进行，有时候会穿插着来，也会返工二次修复声音部分。

除了在声音和画面上的修复外，我们也注意到，在这次的项目上，大谷也和央视进行了一次合作，他表示，自己主要负责技术修复，央视主要负责宣发，“这也省了很多力气，上传审核视频都是很费时的”。

有了前两次的经验，这次的修复显得要“顺手”很多，整个制作周期大概持续了一个月的时间，这段时间里，其实也不是全身心地扑在这上面，也有在开发自己的游戏，做一些其他的项目。

在和央视的合作过程中，央视也会对整体的修复提出参考意见，比如音乐的剪辑，以及字幕的添加等。大谷感叹道，添加字幕的过程同样也是一次学习的体验，同时也可以让观众更好地理解人物对话。

不只如此，修复后的老视频在社交媒体上传播之后，大谷收到了很多反馈，比如第二期老视频的出处本来是模糊的，后来有大神根据修复后的画面等信息综合后，指出这是100年前老济南西门泺源门（濼源门），这些都是宝贵的互动。

破案过程，欢迎围观：

https://www.zhihu.com/question/399225415

神器DeepRemaster：如何把修复效果稳定在参考图范围内

和第一期修复视频一样，在这次新的视频过程中，大谷仍然借鉴了YouTube博主Denis Shiryae的影像修复教程，以及使用到了上海交大联合提出的DAIN补帧技术。

除此之外，如上文所说，新一期视频中使用到的新技术DeepRemaster由日本筑波大学和早稻田大学两位研究者合作提出，论文曾被计算机图形学顶会SIGGRAPH Asia 2019收录。

论文链接：

http://iizuka.cs.tsukuba.ac.jp/projects/remastering/en/index.html

DeepRemaster之所以强大，是因为它与近年来使用递归模型处理视频的方法不同，该方法对老旧影像的修复是基于全卷积网络实现的。

在这项研究中，研究人员提出了一种单一框架，该框架基于带有注意力机制的时间卷积神经网络，主要以半交互的方式处理所有重制任务。同时，论文提出的source-reference注意力，允许模型在处理任意数量的彩色参考图像时，不需要进行分割就能视频着色，也很好地保持了时间一致性。

输入一系列的黑白图像，通过预处理网络修复，修复的结果作为最终输出视频的亮度通道。然后，source-reference网络将预处理网络的输出和任意数目的彩色参考图像结合，产生视频的最终色度通道。

在效果测试上，研究人员对一些老视频进行了测试，比如下图，结果正如大谷所说，在静止的场景内，输入少量参考图像后，系统就能输出稳定、一致的数千帧图像。

与以往的方法相比，DeepRemaster生成的图像与真实世界的色彩更加一致。

未来，大谷表示，他会继续关注新的技术和老视频修复领域，也会尝试将这些新的AI修复技术利用到老视频修复上。

换句话说，现在是不是就可以期待第三期的老北京修复视频了？！搓手~