そして、今日 Meta が GPT に対抗する新しい AI モデルを発表しただけでは十分ではなかったが、マイクロソフトの研究者が静止画像から超現実的なアバターを作成できる新しい AI モデル VASA-1 を開発していることもわかった。音声クリップ… 技術的なレベルだけでなく、潜在的な社会的影響においても際立っているニュース。
しかし、私たちが注目しているのは、顔の表情や唇の動きが提供された音声とリアルに同期するビデオを作成できる AI (それを実行できるものがすでにいくつかあります) だけではなく、VASA-1 は感情や自然な頭の動きもキャプチャします。
これにより、キャラクターがより幅広い感情やより自然な反応を表現できるようになるため、生成されたビデオにさらなるリアリズムが追加されます。
VASA-1 ユーザーは、キャラクターの視線の方向、認識される距離、感情状態など、生成されたビデオのさまざまな側面を操作できることを付け加えましょう。これらすべてにより、特定のニーズや望ましい効果に合わせてビデオをカスタマイズすることができます。
そして、同様に重要なことは、VASA-1 は、即時応答と高画質を必要とするリアルタイム用途に効率的であり、非常に高いフレーム レート (オフライン モードで最大 45 fps、オフライン モードで最大 45 fps) で高解像度ビデオ(512×512 ピクセル) を生成できることです。 fpsオンライン）。
良い使い方と悪い使い方
一部のアメリカのメディアは、アメリカ大統領選挙に関連して、このAIを起動するために選ばれた「選挙直前」というタイミングに懸念を表明している（彼らは世界のどこかで常に選挙があることを忘れているようだ）。
そして、最初のディープフェイクが発表され始めて以来起こっていることだが、この技術が悪用される（実際の動画と区別するのが極めて難しい不情報なコンテンツを生成するため）のではないかという懸念がある。
ただし、VASA-1 を作成した研究者は、このモデルの積極的な応用例も強調しています。
- 教育においては、生徒とより自然に対話する仮想家庭教師を通じて学習体験を向上させることができます。
- 健康の分野では、コミュニケーションの問題や社会的孤立を抱える人々に、会社と精神的なサポートを提供できる可能性があります。
- この技術には、聴覚障害者の通訳として機能するアバターを提供することで、アクセシビリティを向上させる可能性があります。