微軟炸裂級單圖生數(shù)字人，Sora同款思路，“比AI劉強東還真”

AIGC動態(tài)歡迎閱讀

原標題：微軟炸裂級單圖生數(shù)字人，Sora同款思路，“比AI劉強東還真”
關(guān)鍵字：視頻,頭部,面部,表情,動作
文章來源：量子位
內(nèi)容字數(shù)：4320字

內(nèi)容摘要：

夢晨 發(fā)自 凹非寺量子位 | 公眾號 QbitAIAI偽造真人視頻，門檻再次降低。
微軟發(fā)布一張圖生成數(shù)字人技術(shù)VASA-1，網(wǎng)友看過直呼“炸裂級效果”，比“AI劉強東還真”。
話不多說，直接上一分鐘演示視頻：
做到以假亂真效果，不用針對特定人物訓(xùn)練，只要上傳一張人臉圖片、一段音頻，哪怕不是真人也行。
比如可以讓蒙娜麗莎唱Rap，模仿安妮海瑟薇即興吐槽狗仔隊名場面。
或者讓素描人像念華強臺詞。
在項目主頁還有更多1分鐘視頻，以及更更多15秒視頻可看。
不同性別、年齡、種族的數(shù)字人，用著不同的口音在說話。
根據(jù)團隊在論文中的描述，VASA-1擁有如下特點：
唇形與語音的精準同步
這是最基本的，VASA-1在定量評估中也做到了頂尖水平。
豐富而自然的面部表情
不光做到讓照片“開口說話”，眉毛、眼神、微表情等也跟著協(xié)調(diào)，避免顯得呆板。
人性化的頭部動作
說話時適當?shù)狞c頭、搖頭、歪頭等動作，能讓人物看起來更加鮮活、更有說服力。
總得來說，仔細看的話眼睛還有一些破綻，但已經(jīng)被網(wǎng)友評為“迄今為止最佳演示”。
然而更恐怖的是，整個系統(tǒng)推理速度還是實時級的。
生成512×512分辨率的視頻，使用一

原文鏈接：微軟炸裂級單圖生數(shù)字人，Sora同款思路，“比AI劉強東還真”

聯(lián)系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關(guān)注科技行業(yè)新突破