【ITBEAR科技資訊】4月19日消息，微軟的最新研究預(yù)覽版模型雖然暫時只能供微軟研究團隊使用，但所展示的功能令人印象深刻。這款模型被稱為VASA-1，它采用了一種全新的框架，用于創(chuàng)造逼真的說話人臉，特別適用于虛擬人物的動畫制作。與之前類似技術(shù)相比，VASA-1 在質(zhì)量和逼真度上似乎有了質(zhì)的飛躍，能夠減少嘴部動作的偽影，與Google研究院最近推出的VLOGGER人工智能模型類似。
據(jù)ITBEAR科技資訊了解，VASA-1的工作原理是利用音頻驅(qū)動動畫的方法，可以根據(jù)音頻內(nèi)容生成相應(yīng)的面部表情和動作。微軟表示，該模型不僅能夠處理面向正面的人像圖像，還能應(yīng)對不同方向拍攝的圖像，表現(xiàn)出強大的控制能力，包括眼睛注視的方向、頭部距離甚至情緒。
VASA-1的意義在于，它拓展了許多領(lǐng)域的應(yīng)用可能性。例如，可以用于游戲中的高級唇語同步，提升游戲的沉浸感;也可用于社交媒體視頻的虛擬化身創(chuàng)建，以及基于人工智能的電影制作，使人工智能角色看起來更加逼真。
然而，盡管VASA-1展示了出色的效果，微軟團隊表示，目前這只是一次研究演示，并沒有公開發(fā)布的計劃，也不會提供給開發(fā)人員在產(chǎn)品中使用。
該模型令人驚訝的一點是，即使在訓(xùn)練數(shù)據(jù)集中沒有包含音樂內(nèi)容，它也能完美地對歌曲進行歌詞嘴型同步，展示出出色的多功能性。它還能處理不同風(fēng)格的圖像，包括蒙娜麗莎。
雖然微軟團隊強調(diào)VASA-1目前僅用于研究，但人們對它未來的潛在應(yīng)用充滿期待，甚至可能成為未來一些產(chǎn)品的一部分。
