未来宝宝长相预测(未来宝宝长相预测网站)

想知道你未来宝宝长什么样吗？

​​​​​​​​​​​​​​​​​​​​​​​此账号为华为云开发者社区官方运营账号，提供全面深入的云计算前景分析、丰富的技术干货、程序样例，分享华为云前沿资讯动态

本文分享自华为云社区《BabyGAN：根据父母照片生成孩子照片》，作者： 山海之光。

本案例可根据一张父亲和母亲的正脸照片，生成孩子的照片，并且可以调节参数，看看不同性别和年龄孩子的长相。

为保证照片的生成效果，上传父母的照片时尽量上传能露出五官且浅色底的照片。

本案例仅用于学习交流，请勿用于其他用途。

另外，由于技术不完善的原因，生成的孩子照片可能会有扭曲或失真，你可以更换不同的父母照片，重新生成孩子照片，直到达到满意的生成效果为止。

下面开始按步骤运行本案例。

本步骤耗时约 4 分钟

!pip install imutils moviepy dlib2. 下载代码和模型文件

import osimport moxing as moxroot_dir = '/home/ma-user/work/ma_share/'code_dir = os.path.join(root_dir, 'BabyGAN')if not os.path.exists(os.path.join(root_dir, 'BabyGAN.zip')): mox.filepy('obs://arthur-1/BabyGAN/BabyGAN.zip', os.path.join(root_dir, 'BabyGAN.zip')) os.system('cd %s; unzip BabyGAN.zip' % root_dir)os.chdir(code_dir)3. 加载相关模块及模型

import cv2import mathimport pickleimport imageioimport warningsimport PIL.Imageimport numpy as npfrom glob import globfrom PIL import Imageimport tensorflow as tffrom random import randrangeimport moviepy.editor as mpyimport matplotlib.pyplot as pltfrom IPython.display import clear_outputfrom moviepy.io.ffmpeg_writer import FFMPEG_VideoWriterimport configimport dnnlibimport dnnlib.tflib as tflibfrom encoder.generator_model import Generator%matplotlib inlinewarnings.filterwarnings("ignore")

加载模型文件，本代码块只可执行一次，如果发生报错，请 restart kernel，重新运行所有代码

tflibit_tf()URL_FFHQ = "./karras2019stylegan-ffhq-1024x1024.pkl"with dnnlib.util.open_url(URL_FFHQ, cache_dir=config.cache_dir) as f: generator_network, discriminator_network, Gs_network = pickle.load(f)generator = Generator(Gs_network, batch_size=1, randomize_noise=False)model_scale = int(2 * (math.log(1024, 2) - 1))

age_direction = np.load('./ffhq_dataset/latent_directions/age.npy')horizontal_direction = np.load('./ffhq_dataset/latent_directions/angle_horizontal.npy')vertical_direction = np.load('./ffhq_dataset/latent_directions/angle_vertical.npy')eyes_open_direction = np.load('./ffhq_dataset/latent_directions/eyes_open.npy')gender_direction = np.load('./ffhq_dataset/latent_directions/gender.npy')smile_direction = np.load('./ffhq_dataset/latent_directions/smile.npy')

def get_watermarked(pil_image: Image) -> Image: try: image = cv2.cvtColor(np.array(pil_image), cv2.COLOR_RGB2BGR) (h, w) = image.shape[:2] image = np.dstack([image, np.ones((h, w), dtype="uint8") * 255]) pct = 0.08 full_watermark = cv2.imread('./media/logo.png', cv2.IMREAD_UNCHANGED) (fwH, fwW) = full_watermark.shape[:2] wH = int(pct * h * 2) wW = int((wH * fwW) / fwH * 0.1) watermark = cv2.resize(full_watermark, (wH, wW), interpolation=cv2.INTER_AREA) overlay = np.zeros((h, w, 4), dtype="uint8") (wH, wW) = watermark.shape[:2] overlay[h - wH - 10: h - 10, 10: 10 + wW] = watermark output = imagepy() cv2.addWeighted(overlay, 0.5, output, 1.0, 0, output) rgb_image = cv2.cvtColor(output, cv2.COLOR_BGR2RGB) return Image.fromarray(rgb_image) except: return pil_imagedef generate_final_images(latent_vector, direction, coeffs, i): new_latent_vector = latent_vectorpy() new_latent_vector[:8] = (latent_vector + coeffs * direction)[:8] new_latent_vector = new_latent_vector.reshape((1, 18, 512)) generator.set_dlatents(new_latent_vector) img_array = generator.generate_images()[0] img = PIL.Image.fromarray(img_array, 'RGB') if size[0] >= 512: img = get_watermarked(img) img_path = "./for_animation/" + str(i) + ".png" img.thumbnail(animation_size, PIL.Image.ANTIALIAS) img.save(img_path) face_imgend(imageio.imread(img_path)) clear_output() return imgdef generate_final_image(latent_vector, direction, coeffs): new_latent_vector = latent_vectorpy() new_latent_vector[:8] = (latent_vector + coeffs * direction)[:8] new_latent_vector = new_latent_vector.reshape((1, 18, 512)) generator.set_dlatents(new_latent_vector) img_array = generator.generate_images()[0] img = PIL.Image.fromarray(img_array, 'RGB') if size[0] >= 512: img = get_watermarked(img) img.thumbnail(size, PIL.Image.ANTIALIAS) img.save("face.png") if download_image == True: files("face.png") return imgdef plot_three_images(imgB, fs=10): f, axarr = plt.subplots(1, 3, figsize=(fs, fs)) axarr[0].imshow(Image.open('./aligned_images/father_01.png')) axarr[0].title.set_text("Father's photo") axarr[1].imshow(imgB) axarr[1].title.set_text("Child's photo") axarr[2].imshow(Image.open('./aligned_images/mother_01.png')) axarr[2].title.set_text("Mother's photo") plt.setp(plt.gcf().get_axes(), xticks=[], yticks=[]) plt()4. 准备好父亲和母亲的照片

本案例已各准备好一张默认的父母亲照片，可在左侧边栏的文件资源管理窗口中，进入到 ma_share/BabyGAN 目录，再进入到 father_image 或 mother_image 目录即可看到已提供的父母亲照片，如下图所示：

如果你需更换父母亲的照片，请查看本文第 11 节“更换父亲和母亲的照片”

if len(glob(os.path.join('./father_image', '*.jpg'))) != 1 or (not os.path.exists('./father_image/father.jpg')): raise Exception('请在 ma_share/BabyGAN/father_image 目录下准备一张父亲的照片，且命名为father.jpg')if len(glob(os.path.join('./mother_image', '*.jpg'))) != 1 or (not os.path.exists('./mother_image/mother.jpg')): raise Exception('请在 ma_share/BabyGAN/father_image 目录下准备一张母亲的照片，且命名为mother.jpg')5. 获取父亲的脸部区域，并进行人脸对齐

!python align_images.py ./father_image ./aligned_images

查看父亲的人脸

if os.path.isfile('./aligned_images/father_01.png'): pil_father = Image.open('./aligned_images/father_01.png') (fat_width, fat_height) = pil_father.size resize_fat = max(fat_width, fat_height) / 256 display(pil_father.resize((int(fat_width / resize_fat), int(fat_height / resize_fat))))else: raise ValueError('No face was found or there is more than one in the photo.')

!python align_images.py ./mother_image ./aligned_images

查看母亲的人脸

if os.path.isfile('./aligned_images/mother_01.png'): pil_mother = Image.open('./aligned_images/mother_01.png') (mot_width, mot_height) = pil_mother.size resize_mot = max(mot_width, mot_height) / 256 display(pil_mother.resize((int(mot_width / resize_mot), int(mot_height / resize_mot))))else: raise ValueError('No face was found or there is more than one in the photo.')

本步骤耗时约 3 分钟

!python encode_images.py \ --early_stopping False \ --lr=0.25 \ --batch_size=2 \ --iterations=100 \ --output_video=False \ ./aligned_images \ ./generated_images \ ./latent_representationsif len(glob(os.path.join('./generated_images', '*.png'))) == 2: first_face = np.load('./latent_representations/father_01.npy') second_face = np.load('./latent_representations/mother_01.npy') print("Generation of latent representation is complete! Now comes the fun part.")else: raise ValueError('Something wrong. It may be impossible to read the face in the photos. Upload other photos and try again.')8. 生成一家三口照片

请修改下面代码中的 gender_influence 和 person_age 参数

gender_influence：性别影响因子，取值范围[0.01, 0.99]，取值越接近 0，父亲的容貌影响越大，反之母亲影响越大；

person_age：年龄影响因子，取值范围[10, 50]，设置该值后，将生成对应年龄的小孩的容貌。

每次修改该参数值后，重新运行下面的代码块，即可生成孩子的新照片

genes_influence = 0.8 # 性别影响因子，取值范围[0.01, 0.99]，取值越接近0，父亲的容貌影响越大，反之母亲影响越大person_age = 10 # 年龄影响因子，取值范围[10, 50]，设置该值后，将生成对应年龄的小孩的容貌style = "Default"if style == "Father's photo": lr = ((np.arange(1, model_scale + 1) / model_scale) ** genes_influence).reshape((model_scale, 1)) rl = 1 - lr hybrid_face = (lr * first_face) + (rl * second_face)elif style == "Mother's photo": lr = ((np.arange(1, model_scale + 1) / model_scale) ** (1 - genes_influence)).reshape((model_scale, 1)) rl = 1 - lr hybrid_face = (rl * first_face) + (lr * second_face)else: hybrid_face = ((1 - genes_influence) * first_face) + (genes_influence * second_face)intensity = -((person_age / 5) - 6)resolution = "512"size = int(resolution), int(resolution)download_image = Falseface = generate_final_image(hybrid_face, age_direction, intensity)plot_three_images(face, fs=15)

请修改下面代码中的 gender_influence 参数，该参数是性别影响因子，取值范围[0.01, 0.99]，取值越接近 0，父亲的容貌影响越大，反之母亲影响越大。

每次修改该参数值后，要重新运行下面的代码块

gender_influence = 0.8 # 性别影响因子，取值范围[0.01, 0.99]，取值越接近0，父亲的容貌影响越大，反之母亲影响越大!rm -rf ./for_animation!mkdir ./for_animationface_img = []hybrid_face = ((1 - gender_influence) * first_face) + (gender_influence * second_face)animation_resolution = "512"animation_size = int(animation_resolution), int(animation_resolution)frames_number = 50download_image = Falsefor i in range(0, frames_number, 1): intensity = (8 * (i / (frames_number - 1))) - 4 generate_final_images(hybrid_face, age_direction, intensity, i) clear_output() print(str(i) + " of {} photo generated".format(str(frames_number)))for j in reversed(face_img): face_imgend(j)automatic_download = Falseif gender_influence <= 0.3: animation_name = "boy.mp4"elif gender_influence >= 0.7: animation_name = "girl.mp4"else: animation_name = "animation.mp4"imageio.mimsave('./for_animation/' + animation_name, face_img)clear_output()display(mpy.ipython_display('./for_animation/' + animation_name, height=400, autoplay=1, loop=1))

请修改下面代码中的 person_age 参数，该参数是年龄影响因子，取值范围[10, 50]，设置该值后，将生成对应年龄的小孩的容貌。

每次修改该参数值后，要重新运行下面的代码块

person_age = 10 # 小孩的年龄，取值范围[10, 50]，设置该值后，将生成对应年龄的小孩的容貌!rm -rf ./for_animation!mkdir ./for_animationface_img = []intensity = -((person_age / 5) - 6)animation_resolution = "512"animation_size = int(animation_resolution), int(animation_resolution)frames_number = 50 # 容貌变化的图像数，取值范围[10, 50]download_image = Falsefor i in range(1, frames_number): gender_influence = i / frames_number hybrid_face = ((1 - gender_influence) * first_face) + (gender_influence * second_face) face = generate_final_images(hybrid_face, age_direction, intensity, i) clear_output() print(str(i) + " of {} photo generated".format(str(frames_number)))for j in reversed(face_img): face_imgend(j)animation_name = str(person_age) + "_years.mp4"imageio.mimsave('./for_animation/' + animation_name, face_img)clear_output()display(mpy.ipython_display('./for_animation/' + animation_name, height=400, autoplay=1, loop=1))

接下来，你可以上传自己感兴趣的父母亲照片到 father_image 和 mother_image 目录下，重新运行代码，即可生成新的孩子照片。

你需要按照如下规则和步骤进行：

1、参考下图的操作，进入到 ma_share/BabyGAN 目录；

2、准备一张父亲的照片，上传到 father_image 目录下，命名必须为 father.jpg；（如果你不知道上传文件到 JupyterLab 的方法，请查看此文档）

3、准备一张母亲的照片，上传到 mother_image 目录下，命名必须为 mother.jpg；

4、father_image 和 mother_image 目录都只允许存在一张照片；

5、重新运行步骤 4~10 的代码。

点击关注，第一时间了解华为云新鲜技术~华为云博客_大数据博客_AI博客_云计算博客_开发者中心-华为云

这篇文章跟你分享预测变老的软件哪个好用

在当今社交媒体风靡的时代，各种各样的图片特效层出不穷。其中，预测变老的图片特效备受欢迎。这种特效通过老化算法，将一张普通的照片转换成一张老态龙钟的照片。这种看似神奇的技术其实是建立在人工智能和计算机视觉技术基础上的。

预测变老的技术其实就是一种人脸识别技术。首先，计算机需要识别出图像中的人脸，然后对人脸进行标记。接下来，计算机会分析这些标记和人脸特征，然后使用深度学习算法进行训练。通过训练，计算机可以学会识别人脸的特征，如面部结构、表情、皮肤纹理等。最后，计算机将这些特征与老化模型进行结合，生成一张看似老化的图片。

预测变老的技术中，困难的部分是如何精确地模拟人体的衰老过程。衰老是一个复杂的过程，受到许多因素的影响，如生活方式、环境和基因等。因此，预测衰老的算法需要考虑许多因素，以生成真实的老化效果。

预测变老特效的功能特点主要体现在以下几个方面：

1、高度还原：预测变老特效通常可以高度还原图片人像未来的老化状态，让我们感受到时间的流逝和生命的变迁。

2、个性化定制：预测变老特效有的还可以根据不同使用者的需求和喜好进行个性化定制，例如增加头发颜色、调整眼睛皮肤等，从而让我们更加满意图片处理效果。

3、可视化呈现：预测变老特效可以通过对比当前的照片和未来可能的老化状态，直观地展示出时间的流逝和生命的变迁，具有较好的可视化效果。

看完关于预测变老内容的分享，小伙伴们想不想尝试预测变老的软件呢？想了解的小伙伴请接着往下查看，下边将告诉大家预测变老的软件叫什么。

想要预测变老的话，我们可以使用FacePic。这款APP就具备变老预测选项，可以帮助我们将上传的图片进行变老处理，呈现人像老年状态，方便小伙伴们提前预测老年相貌。除了变老预测，这款软件还拥有艺术人脸、节日头像、漫画脸等其他特效，感兴趣的小伙伴可以体验一下。

希望通过本文的介绍，能够让小伙伴们更加深入地了解预测变老的相关内容，并且可以了解到预测变老的软件叫什么。

我，用AI帮1000名准妈妈预测婴儿长相，每单卖9.9元

文｜沈嵩男

编辑｜斯问

ChatGPT（生成式对话机器人）公测已有8个月，数的上号的国内外科技公司无一例外地在这期间推出了自己的AI大模型。但热闹的另一面，是这些AI大模型的商业化，至今仍处在探索阶段。

相较于大公司探索大业务，中国小商家总是能机敏地在技术迭代的过程中，找到做小生意的空间。比如我们曾经观察过的，那些“注册200个账号，卖5万一套的系统，靠ChatGPT赚钱的人”。

AI草根创业、门槛低、逻辑简单，小商家擅长蹲守在风口下面，低头捡硬币。ChatGPT的热潮，曾供养了一批帮忙注册账号、推广镜像GPT的人。如今，他们又迅速捕捉到了，来自于“Midjourney”（全球最大的人工智能绘画平台）的生意机遇。

借助Midjourney的图像生成能力，商家们在淘宝、小红书上开设店铺或账号以获取客户，提供诸如“真人转卡通头像”“四维产检彩超推演婴儿未来长相”“AI婚纱照”等服务。月销高的单品，定价66.6元，累计售出逾2000件，粗略估算，收入已超10万元。

AI萌娃头像定制

“如果不考虑人工成本的话，几乎全是利润。”有较多AI绘画使用经验的用户乔楚告诉我们。

也有定价低至9.9元，专门基于四维产检彩超，帮准妈妈用AI推演孩子出生后的长相的服务。商家霍山介绍，他之所以会推出这项服务，就在于自己的孩子出生前，他用Midjourney推演过长相，“准确度高达90%”。

如今，他淘宝店里的这一服务月销逾千件，但赚的是辛苦钱。“这个服务本身就是‘人力服务’，怎么能不算人力成本呢？生成一张质量达标、客户满意的照片，要不断地调整指令，我测算过，平均时间成本在20分钟左右。”

AI推演四维产检彩超图

20分钟，9.9元，时薪接近30元。似乎，这一被认为是基于信息差的“躺赚生意”，实则是需要不断敲击键盘、点击鼠标的体力活。

零售行业，女人和孩子的钱最好赚，而在AI绘画领域也是。在淘宝和小红书上，卖得最好的“AI绘画单品”，几乎都围绕着“孩子”做文章。

“亲可以提供3张无滤镜、五官清晰无遮挡的孩子的全身照或半身照，并告知孩子的性别、年龄。”咨询店铺客服，对方告诉我们，因为系虚拟商品，所以售出后一律不退不换，请勿冲动购买。

“这个生意模式很简单，有一定技术能力和认知的人，都可以上手。”楚乔介绍，花钱开通Midjourney的会员，一般选择中档会员即可，月费折合人民币接近200块钱，然后就可以用AI不限量作图了——所谓的“一本万利”也在于此，除了会员费这一刚性成本，这个小生意其它方面几乎不用投钱。

Midjourney收费标准

挖掘这一赚钱模式的小商人，本身也都是国内AI绘画的成熟玩家，对于作图的指令比较熟悉，能够高效地生成高质量的图片。

“我是四五月份开始玩Midjourney，不算早。我对这种新生事物比较感兴趣，就开通了会员，一开始就是玩，直到用四维产检彩超图推演了一下我孩子的长相，发现真的很像，才动了靠这个做个副业的念头。”

霍山之前就开有一家淘宝店，上架服务后，靠着商品关键词的精准引流，以及AI绘画自带的搜索热度，销量一下就做起来了。如今月销千单，他有些忙不过来。

他强调，所谓的AI绘画定制，本质上就是基于体力劳动的“服务行业”，这件事的技术门槛、资金门槛都不高，但大家之所以自己不去做，就是懒。尤其是AI模型对四维产检彩超图的识别，会出现比较多的“BUG”，需要反复调试，很费精力。

“前期需要和客户沟通彩超图、怀孕时间。交付后也需要核对细节，比如AI生成的手的照片会比较粗糙，甚至多一个手指，或者环境不够温馨，都是需要反复计较的。”霍山强调，一直要调整到客户满意、准确度最高，才算完成了一单。

此外，有些照片生成后，并不是父母预期的那样，也可能导致退款。不过霍山补充，退货率不高，30个单子里面一般才会退1单。“我一般是客户不满意就退，这没什么，有些我觉得生成的效果不好，我也会主动不要钱。绝大部分的家长，都是很满意的，看到照片会很惊喜。”

店铺商品的评论区

霍山解释，这份工作有一半精力要用在和客户全程的沟通上，“我现在经常大半夜还在回客户消息，替客户做图，因为她们都迫不及待地想要看到孩子的样子，我自己是父母，能理解她们的心情。”

相较于做AI头像，做四维产检彩超图推演婴儿长相这件事，其实是有些吃力不讨好。9.9元的定价不算高，而面对的又是对婴儿照片要求极高的宝妈群体，她们是最严格的消费者。但秉持着把这份工作当服务业去做的态度，霍山店铺里的这一服务的好评率极高。

相较于技术，获客能力才是决定这门生意能不能赚到钱的核心因素。

霍山有淘宝店，具备获客基础。而一些纯粹的AI绘画玩家，则会在小红书上做账号矩阵，广撒网。

“申请3—5个小红书账号，用ChatGPT批量生成推广文案、打关键词，然后配合一些效果照片，每天发布四五篇笔记去拿流量，尽可能将用户转化到自己的私域里，比如微信群，前期可以用‘免费作图’的噱头拿流量，后期慢慢收费。”乔楚告诉我们，他进过一些教授副业技巧的社群，里头有介绍过这门生意。

小红书上，关于AI绘画服务，供给最多的是“头像制作”，比如萌娃头像、情侣头像等。一般是“照片转卡通”“照片转彩绘”的模式，居多的是迪士尼风格、皮克斯风格。

“头像市场永远是最庞大的，毕竟现代人有这么多的社交媒体账号，每个都会需要头像，这是自我形象的直观展现。”乔楚解释道。我们也观察到，其实在AI头像定制出现前，淘宝、闲鱼平台上早就有“照片手绘头像”类似商品，月销动辄上千件。

AI头像可能会抢走手绘头像的生意

与淘宝不同，小红书上这一服务的价格跨度较大。既有一些免费供图的账号，也有大量定价高至五六十元的商品。这些高单价服务，商家会强调“提供PS后期精修”“改到您满意为止”，借此提升商品的附加值。

“我体验过，出片质量是差不多的。我猜测是因为小红书上女性用户多，有些做妈妈的，看到婴儿照片卡通版，觉得很可爱，一上头就下单了，不会太计较价格。而你在淘宝这样的电商平台上，自然而然地会货比三家，找最有性价比的。”

“AI定制头像后续我也会上架，我自己做过测试，要比较精细地做出一张图，耗时在20—30分钟左右，还是需要比较多的后期打磨的。”霍山解释，AI出图有很强的随机性，所以一般需要不断地出图、调整指令，在保留孩子的核心特征前提下，优化其五官。一些客户还会要求改造周边场景，比如本来人是在卧室里的，改到海边沙滩上，这些都是消耗时间的。

除了可以赚钱，小红书上也有不少人借助“AI免费作图”类似噱头获取流量和用户，孵化账号。但不论如何，商家们提供的AI绘画服务，同质化程度都比较严重。

“用的是一样的产品，指令也都是公开可参考的，做出来的效果当然是差不多的。”乔楚补充。

“我自己会去琢磨一些可能的创新思路，比如把AI头像做成动图、视频，但目前还在思考，有什么应用的场景。”霍山的店铺不仅上架了“AI四维产检彩超推演长相”，还有类似AI取名等配套服务。

我们观察到的是，当下国内小商家们借助Midjourney的能力，转售的AI绘画服务，已经很丰富了。比如还有“AI婚纱照”“AI职装照”，风格有迪士尼、皮克斯、宫崎骏灯，可以说五花八门。

AI婚纱照

但与此同时，商家挖空心思想出来的特色，只需要一天就会被同行迅速借鉴。

“一方面，大家在用信息差赚钱。但另一面，这个行业任何信息差都会被迅速抹平。”乔楚总结。

卖AI头像也好，做四维产检彩超推演也好，其实都不是新服务。

2022年末，AIGC刚开始走红，由国外图像公司Prisma推出的一款“魔法头像”APP“Lensa”就曾风靡欧美。

它可以运用AI技术将用户的照片转换成各种“艺术风格”，不论是梵高、达芬奇，还是赛博朋克、迪士尼公主。当时，这一软件的服务费用也不菲：年度订阅费为35.99美元；也可以单独购买50个头像生成权限，仅需3.99美元；100个头像，售价5.99美元。

Lens生成的头像风格

据应用分析公司SensorTower数据，“Lensa”在2022年收入约1620万美元，其中有800万美元是在“AI头像”推出后的12月份赚取的。

中国公司中，不论是抖音、美图秀秀，还是TikTok，也早已推出了“AI头像”类似功能，而且提供的都是免费服务。

“短期内，这个市场供不应求，大家都能赚点小钱。但长期来看，国内的互联网大公司，每家手上都有几亿的用户，其实任何一个国民级的APP，推出一些AI绘画功能，很多野生玩家提供的头像定制生意就很难做了。”乔楚还是强调，这个市场的信息差很脆弱。

“我在申请一个商标，想做一个母婴用品店，然后用这些AI绘画服务，给这个店精准引流。”霍山介绍。

霍山想要开个母婴店

但就像我们曾经采访过的那些靠ChatGPT赚钱的商家一样，大家都很清楚，AI作为风口是长期的，但他们不是“风口上的猪”，既飞不起来，自然也不用担心会摔下去。

他们只是在风口下面捡硬币的小人物，不论赚多赚少，也不论能赚多久，其实赚到了就够了。

9.9元就能拥有一套“海马体”？这款“阿里巴巴”出品的“美颜”小程序最近火了

视频加载中...

潮新闻客户端 记者 楼纯 何慧婷

使用美颜相机、去海马体照相馆甚至直接请一位摄影师跟拍，现代年轻人对于“出片”的追求可谓是一直在路上。比如曾经能够排队排到半夜的海马体，只要推出一款新的主题，线下门店预约就会立即爆满，排队排到凌晨也曾是“家常便饭”。

年轻人使用这些能够让自己的照片变美的途径，是出于表现自我、对美的追求以及对自然美的渴望。不过现在，对于完成这项任务，你可能只需要在手机上动动手指就能完成，甚至连修图都省了。

近日，一款名为“妙鸭相机”的小程序在朋友圈传开。“海马体们要失业了？！”一位网友在自己的社交媒体展示其效果时说。潮新闻记者对此进行了体验，发现该小程序使用相当便捷。

限时特价，“出片”要排队？

目前，妙鸭相机同时拥有手机app和微信小程序两处入口，它提供的功能非常丰富，你可以拿它“返老还童”，还可以把自己的照片变成国风漫画的样子，甚至可以把老照片修复。

妙鸭相机于6月30日开始内测。7月17日正式上线。仅仅上限4天，就已经吸引了海量用户参与其中，我们如何得知？因为使用它很可能需要排队。

潮新闻记者首次尝试使用时，被告知前方有数千人在等待，需要10多个小时才能完成图片处理，在确认不是小程序存在错误后，我们进行了第二次尝试。

在上传了20张照片准备生成数字分身后，系统提示我们前方有118个人，需要等待2小时才能“出片”，这比首次测试快了不少，此时刚好是晚上9点56分。

据了解，目前小程序制作数字分身需要付费9.9元，该价格为限时特惠。

生成照片之后，如果对照片结果感到不满意，我们还可以花费内置的货币“钻石”对照片进行进一步修改，比如如果你想提高照片的清晰度需要花费2钻石，下载照片需要2钻石，目前小程序上60颗钻石需要花费6元，5000颗钻石花费328元。

阿里大文娱参与投资，有用户担心自己隐私被泄露

潮新闻记者通过微博搜索，发现妙鸭相机团队拥有自己的微博账号，不过此时它的粉丝仅有119人。

据了解，妙鸭相机应用由一个创业团队开发，阿里大文娱参与投资，通过天眼查我们了解到，妙鸭相机的关联公司名叫未序网络科技（上海）有限公司，成立于2006年1月，注册资本5520万美元。该公司法人张龙同时担任了优酷视频（西安）传媒有限公司法人的职务。

图片来源：天眼查app

不过，由于使用妙鸭相机需要上传大量自己的照片，引来了不少人对于隐私泄露的担心，甚至有用户指出妙鸭相机服务协议存在“霸王条款”的嫌疑。

图片来源：小红书用户

对此妙鸭相机发文称原协议内容有误，已经进行修改，并且澄清在制作完成“数字分身”后，不会保留用户上传的照片，更不会把照片用于其他用途。

现代社会中，人们对美的追求和审美观念日益重要，在媒体、广告、明星和网红们的影响下，普遍对外貌有较高的要求，朋友圈“晒美照”，怎能少了自己？而这些美化形象的软件的出现，为广大用户提供了一种满足这种审美观念的快捷方式，让人们在照片中呈现出更加符合社会审美标准的形象。

妙鸭相机会成为下一个“美颜相机”吗？

“转载请注明出处”

宝贝脸上有这4个特征，恭喜你！他一定会越长越好看！

今天好妈给大家聊一个高颜值的话题。如何预测小宝宝的将来长相。粑粑麻麻们都十分猎奇孩子将来的长相。想想小宝宝刚出生的时分浑身皱皱巴巴，活像一只小猴子。可俗话说得好：长相在骨不在皮。很多孩子都是越大越美观的！

孩子的容貌都说七分天必定。一切漂亮孩子根本都具有下面4大根本特征。契合这四个特征的宝贝长大后容颜不会差。粑粑麻麻们，对照看看吧！

特征一：脸型对称

有一个定律不管中西方都是认可的，那就是人的脸型要尽量对称，这样的脸才会美观。认真看看你家宝宝的脸型，假如契合这个准绳，那宝宝长大后就有可能更美观。

五官是有它最佳黄金比例的。学过人像绘画的人一定都晓得这个规则－－三庭五眼（如下图示）。这其实也是一种堆成。孩子的三庭比例中，额头会略宽一些，额头至眼睛的距接近脸的一半。

特征二、鼻梁挺拔

有一个挺拔的鼻梁，会立马让孩子整张脸显得平面有层次，整张脸看起来就会有一种小巧精致的觉得。所以鼻子有颜值担当的二把手之称，是个绝对重要的位置。假使鼻梁较塌，容易构成视觉上的扁平化，未来说不定会长成“大饼脸”。

不过，在宝宝还不到2岁时，鼻子塌塌的不要焦急。由于鼻子普通要等到前囟门在1~1.5岁闭合后，才开端发育，鼻梁才干长出来。妈妈们可不要自觉去捏孩子鼻梁，这样做既不科学，还容易形成鼻腔及周边组织的损伤哦！

特征三、肤色白净

俗话说“一白遮百丑”。如今妈妈们爱用的美图秀秀，只需把肤色彩整好了，人要美妙几级呢。所以白净的皮肤对容貌至关重要。通常来说，肤色是能够遗传，但后天也能起到一定的作用。比方，准妈妈在孕期多吃富含维生素C的水果和蔬菜，有利于促进肤质改善。

特征四、牙齿划一、牙龈不外露

最新的段子说游泳冠军孙扬整牙之后，颜值直逼王凯。牙齿长得好，对容貌的提升是显而易见的。反之，一旦没长后，对人的摧毁作用也是宏大的。我们称为仙女姐姐刘亦菲，她的仙女范仅存在于她不笑的时分，当她笑的时分总觉得嘴巴怪怪的，这就是由于她的牙龈。而这主要是骨头的问题，跟牙齿矫正没有关系的，不能经过矫正牙齿得到缓解。固然这个问题无法纠正，但妈妈们能够留意宝宝三岁之后就能够长齐20颗乳牙，帮宝宝维护牙齿，避免牙齿长歪、呈现蛀牙等，这样不只能够给形象加分也为安康奠定了良好根底。

生活习气对长相也有很大的影响

不好的生活习气会直接招致孩子的容颜变丑，进而影响安康。比如：让宝宝含着或者奶嘴睡觉，这将影响宝宝的口腔发育，招致上下颚骨发育畸形。宝宝经常张着嘴巴睡觉或者呼吸，这很容易形成牙齿不齐，上唇短厚翘起，影响颜值。以及坐姿不对形成驼背等等颜值事小，对身体形成损伤就事大了。

另外除了容颜，气质也是影响容貌的很重要一局部。而培育一个人的气质，必需是从小就开端。于外端正孩子的体型、行为方式。于内最重要的就是让孩子养成爱读书的习气。一个读书破万卷的人，像最近的“网红”武亦姝，即便不启齿浑身上下也分发着一种让人无法超越的气质。