最新新闻
为您推荐

Microsoft的VASA-1仅凭一张图片即可生成逼真的说话人脸

作者Aamir SheikhAamir Sheikh 3 分钟阅读
瓦萨-1
  • 微软发布的一篇研究论文介绍了一项用于生成说话人头像的研究项目。
  • 这款全新AI模型只需上传一张照片和一段语音,即可生成说话的人脸或头部动画。
  • 生成的动态面部具有逼真的表情和口型动作,能够与真实头部运动自然匹配。

在最近的一份白皮书中,Microsoft介绍了一种新的AI模型,该模型生成的说话头部看起来和听起来都很逼真,只需上传一张静态照片和一个声音样本即可生成。

新模型名为VASA-1,它只需要一张肖像风格的照片和一个声音音频文件,并将它们融合在一起,制作出一个带有面部表情、口型同步和头部运动的说话头部短视频。生成的头部甚至可以唱歌,唱的是创建时上传的声音的歌曲。

Microsoft VASA-1是动画领域的突破

根据Microsoft的说法,新AI模型仍处于研究阶段,目前没有计划向公众发布,只有Microsoft研究人员可以访问它。然而,公司分享了一些演示样本,展示了惊人的逼真度和看似过于逼真的口型运动。

来源:Microsoft。

演示中的人看起来像真人,仿佛坐在摄像机前被拍摄。头部运动逼真且看起来很自然,口型与音频的匹配非常出色,几乎没有什么不自然的地方。整体口型同步效果 phenomenal。

Microsoft表示,该模型是为动画虚拟角色而开发的,并声称演示中显示的所有人都是合成的,正如他们所说,这些模型是由OpenAI的图像生成器DALL-E生成的。因此,我们认为如果它可以动画化AI生成的模型,那么显然它在动画化任何真实人物的照片方面具有更大的潜力,这应该更加逼真,也更容易处理。

Vasa-1的用途及其潜在滥用

来源:Microsoft。

如果我们看VASA-1在实用用途方面的潜力,那么在最基本的层面上,它可以用于动画电影中的角色动画,这将使角色具有更逼真的感觉,拥有自然的面部表情和头部运动。另一个用途可能是在视频游戏中,出于同样的原因,想想《侠盗猎车手》等。在未来,它可能用于超逼真的AI生成电影或系列剧,其中角色可以从图像生成器生成,并由VASA-1动画化,观众甚至可能感觉不到角色不是人类。

除了创造性地使用工具外,它还可以被利用来创建用于恶意目的的内容。VASA-1的潜在滥用可能是其用于深度伪造,因为它将使任何参与深度伪造创建的人更容易扩大其不良策略并生成更逼真的误导性内容。还记得在初选选举前涉及拜登声音的机器人电话丑闻,以阻止人们投票吗?现在它可能是机器人视频,继机器人电话之后,而且具有非常逼真的人类表情。

滥用风险可能是Microsoft将其测试仅限于研究人员的原因。根据Microsoft研究人员称,该工具可用于创建误导性内容并冒充人类,就像其他工具一样,但他们旨在实现积极的应用。Nvidia和Runway AI也发布了用于相同功能的模型,但VASA-1似乎更加逼真,是一个有希望的候选者。

不要只是阅读加密货币新闻,要真正理解它。订阅我们的通讯。 免费。

分享本文

免责声明: 所提供的信息不构成交易建议。Cryptopolitan.com 对基于本页信息进行的任何投资不承担任何责任。我们强烈建议在进行任何投资决策之前,进行独立研究或咨询合格的专业人士。

Aamir Sheikh

Aamir Sheikh

Aamir 是一位科技记者,在加密货币和科技行业拥有近六年的经验。他毕业于 MAJ 大学,获得金融与市场营销 MBA 学位。目前他在 Cryptopolitan 工作,报道加密货币市场的最新发展和价格预测。

更多新闻…