VASA-1, il modello di Microsoft in grado di trasformare i ritratti in splendidi video parlanti

Questa tecnica si chiama Vasa-1 Ha la capacità di trasformare le immagini fisse in video animati realistici utilizzando solo un'immagine e una clip audio.

Questo risultato rappresenta un passo importante nel campo dell’intelligenza artificiale (AI), consentendo a immagini apparentemente statiche di prendere vita in modo sorprendentemente realistico.

Sulla base dei rapporti quarzoVASA-1 non solo sincronizza i movimenti delle labbra con il suono presentato, ma regola anche lo sguardo, le espressioni facciali e la direzione della testa per riflettere emozioni come gioia o sorpresa in tempo reale.

Microsoft pubblica una ricerca su VASA-1: volti parlanti realistici e basati sulla voce generati in tempo reale

VASA è in grado di generare un'ampia gamma di sfumature facciali e movimenti naturali della testa

Può gestire audio lungo e riprodurre stabilmente video di volti parlanti: pic.twitter.com/FiBb11G1ru

– Colazione con intelligenza artificiale (@AiBreakfast) 19 aprile 2024

Oltre al suo potenziale nel campo dell’intrattenimento e della comunicazione digitale, questa tecnologia offre applicazioni promettenti nel campo dell’assistenza e della cura con l’aiuto dell’intelligenza artificiale.

Microsoft ha deciso di limitare l'accesso a questo strumento, con l'obiettivo di prevenire possibili violazioni, come la creazione di video com Che potrebbero essere utilizzati per attività fraudolente o fuorvianti.

Per ora, VASA-1 sarà integrato in modo controllato in settori verticali specifici, come la creazione di assistenti virtuali per organizzazioni pubbliche, o offerto come funzionalità avanzata all'interno di prodotti esistenti come Windows Copilot.

Microsoft ha appena abbandonato VASA-1.

Questa intelligenza artificiale può far cantare e parlare una singola immagine da un riferimento audio esplicito. Simile a EMO di Alibaba

10 esempi selvaggi:

1. Monna Lisa fa una serenata ai fotografi pic.twitter.com/LSGF3mMVnD

– Min Choi (@minchoi) 18 aprile 2024

“VASA-1 non solo è in grado di riprodurre movimenti delle labbra perfettamente sincronizzati con l'audio, ma cattura anche un'ampia gamma di sfumature facciali e movimenti naturali della testa che contribuiscono alla percezione di autenticità e vivacità”, si legge in una dichiarazione di Microsoft, pubblicato sulla rivista Blog aziendale.

Imparentato: Microsoft ha lanciato uno strumento per la creazione di deepfake?