VASA-1 di Microsoft può generare video umani realistici da immagini

Microsoft ha presentato VASA-1, uno strumento AI in grado di creare video di volti umani direttamente da immagini fisse. Può anche sincronizzare le espressioni facciali quando viene fornita una clip audio. L’azienda ha presentato diversi campioni di VASA-1 sul suo Sito ufficialee i risultati hanno impressionato gli appassionati di intelligenza artificiale.

Gli emoji audio di Google Phone iniziano a essere lanciati per utenti beta selezionati: ecco uno sguardo più da vicino

Starfield rivela il primo sguardo al nuovo veicolo terrestre

NVIDIA presenta ChatRTX rinnovato con supporto LLM, ricerca di immagini e riconoscimento vocale migliorati

Pokemon fa squadra con Krispy Kreme in una collaborazione adorabile e gustosa

Presentate le cuffie Apple Beats Solo 4 e i Solo Buds TWS; Controlla i dettagli

Generatore video AI Microsoft VASA-1

Visual Affective Skills Audio di Microsoft, o semplicemente VASA-1, è un modello di fascia alta dell’azienda appositamente curato per le espressioni facciali umane. Può generare un ampio spettro di sentimenti ed emozioni attraverso le dinamiche facciali e coinvolge movimenti dei muscoli del viso, delle labbra, del naso, dell’inclinazione della testa e molti altri fattori.

Ecco alcuni esempi di video generati da Microsoft VASA-1:

Il primo video generato dall’intelligenza artificiale che sembra super reale

Microsoft Research ha annunciato VASA-1.

Prende una singola foto di ritratto e audio vocale e produce un video iperrealistico del volto parlante con precisa sincronizzazione labiale-audio, comportamento facciale realistico e movimenti naturali della testa… pic.twitter.com/6bxd4mEgFR

— Bindu Reddy (@bindureddy) 17 aprile 2024

Microsoft ha appena introdotto VASA-1.

Può generare video parlanti fotorealistici utilizzando solo una foto e un file audio.

6 esempi selvaggi e demo di seguito: pic.twitter.com/z4YIq4jYRx

— Eyisha Zyer 🪐 (@eyishazyer) 18 aprile 2024

Presentazione: VASA-1 di Microsoft Research.

TL;DR: foto di ritratto singolo + audio vocale = video di volti parlanti iperrealistici con precisa sincronizzazione labiale-audio, comportamento facciale realistico e movimenti naturali della testa, generati in tempo reale.

Tocca per vedere tutti i video. pic.twitter.com/pPC6qZOBW2

— Eduardo Borges (@duborges) 18 aprile 2024

Attualmente, VASA-1 può generare video con una risoluzione massima di 512×512 pixel a 40 fps. L’azienda afferma che lo strumento è progettato per creare video il più vicino possibile alla vita reale.

È importante notare che Microsoft ha presentato VASA-1 solo come dimostrazione di ricerca. Lo ha chiarito la società non ha intenzione di rilasciare un prodotto o alcuna API relativa a VASA-1. Ha aggiunto che Microsoft non rilascerà questo prodotto pubblicamente, citando vaste possibilità di uso improprio di questa tecnologia.

Il concetto di VASA-1 è simile a Sora di OpenAI. Entrambi gli strumenti generano video dall’aspetto realistico utilizzando l’intelligenza artificiale. Mentre VASA-1 si concentra sulle espressioni umane, Sora può creare video complessi con sfondi e artefatti contestuali.

Tuttavia, nessuno dei due strumenti è stato ancora reso di pubblico dominio. Gli annunci ufficiali di Microsoft e OpenAI evidenziano le capacità e le potenziali applicazioni di VASA-1 e Sora in CGI e avatar umani realistici generati dall’intelligenza artificiale.

Google sta anche lavorando al suo generatore di video AI, VideoPoet. Sebbene i campioni iniziali di VideoPoet non siano buoni come VASA-1 o Sora, evidenziano che anche Google sta cercando di raggiungere il carrozzone del generatore video AI.