隨著人工智慧霸主地位的競爭仍在繼續，微軟現在希望利用其最新工具 VASA-1 將人們的肖像照片轉換為會說話的面孔或影片。
根據這家科技巨頭的研究論文，微軟正在將人工智慧競賽提升到另一個水平， 瓦薩 1，用於創建具有視覺情感技能（VAS）的虛擬角色的逼真說話面孔的框架，全部來自肖像。
另請閱讀： 電玩產業急於就人工智慧問題組成工會
從肖像到會說話的臉孔
儘管該工具尚未向公眾開放，但它可以拍攝單張肖像照片和語音音頻，並生成超現實的說話臉部視頻，具有精確的唇音同步、逼真的面部行為以及實時生成的自然頭部運動。
該工具仍處於微軟研究團隊的研究預覽階段，演示影片「看起來令人印象深刻」。
據介紹，雖然 Nvidia 和 Runway 等公司已經擁有類似的頭部運動和口型同步技術，但 VASA-1 似乎“具有更高的品質和真實感”，這減少了嘴部偽影。 湯姆指南.
此外，這種音訊驅動動畫的方法也類似於最近的 視訊部落客人工智慧 谷歌研究的模型。
據微軟稱，雖然演示範例中的所有圖像都是由 Dall-E 合成的，但 VASA-1 仍然可以為真實圖片製作動畫。
該演示展示了不同的人以幾乎自然的動作、面部表情和眼睛運動進行交談，“在其他工具中沒有看到嘴頂部和底部周圍的偽影。”
它也不需要正面肖像風格的圖像即可運作。
Microsoft 剛剛推出了 VASA-1。
這是一種新的人工智慧模型，可以將 1 張照片和 1 段音訊變成完全逼真的人類 Deepfake。
很想在選舉前放棄這個😬pic.twitter.com/MuLkZVOKRM
——張羅文 (@rowancheung) 2024 年 4 月 18 日
VASA-1 讓人們議論紛紛
人工智慧愛好者似乎已經被 X 平台上的這項技術迷住了，他們將其描述為「狂野」和「瘋狂」。
“我們在每個版本之間獲得的改進令人難以置信，” 說過 萊納斯‧埃肯斯坦。
其他人則認為，世界正在見證「媒體內容創建方式及其消費方式的巨大轉變」。
「這太令人興奮了，真實感是一流的，」另一位名叫 Sam 的愛好者說。
儘管其他人認可該工具的能力，但他們也認為微軟推出一個容易被操縱的工具有點不負責任。 選舉深度造假.
“在選舉前就放棄這個是很瘋狂的，” 寫道： X平台上的Rowan Cheung。
另一個用戶 埃文·克斯特爾 評論中嚴厲警告道：“微軟研究院的 VASA-1 是一個遊戲規則改變者，它僅通過照片和音頻即可創建超現實的人工智能生成視頻。”
「從復興經典電影傳奇到個人化媒體，可能性是無限的。但讓我們對深度造假風險保持警惕。
世界上已經出現大量選舉深度造假事件，政客的聲音或影像被人工智慧操縱以傳播宣傳。今年全球約有三分之一的人口將參加投票。
然而，微軟的研究人員表示這只是為了演示，目前沒有計劃公開發布或向開發人員提供。
VASA-1 如何運作？
根據 Tom's Guide 報導，研究人員自己對該模型「與歌曲完美口型同步，毫無問題地反映歌手的歌詞，儘管訓練資料集中沒有使用音樂」的能力感到驚訝。
此外，VASA-1 還可以處理不同的圖像風格，包括著名的歷史肖像 蒙娜麗莎.
該工具憑藉其先進的口型同步功能可用於遊戲。專家表示，這可能會改變沉浸感。
此外，該技術還有助於為社交媒體影片創建頭像，例如 Synthesia 和 HeyGen 等公司。
基於 AI 的電影和音樂錄影帶製作還可以利用 VASA-1 技術製作更逼真的影片。
隨著微軟入股 OpenAI，VASA-1 有可能成為「未來副駕駛」的一部分 空 一體化。”
