Microsoft telah memberikan gambaran sekilas tentang VASA-1, model kecerdasan buatan (AI) barunya, yang dapat mengubah gambar diam menjadi ‘wajah yang berbicara’ dengan efek yang luar biasa.
Produk akhirnya bisa mengesankan atau menakutkan, tetapi kemampuan sinkronisasi bibir dari proyek ini sangat realistis. Saat ini, model tersebut hanya tersedia sebagai pratinjau penelitian bagi para peneliti Microsoft, namun demo yang dirilis ke publik telah menimbulkan kegemparan.
Ini adalah langkah terbaru Microsoft dalam perjuangan berkelanjutan untuk supremasi AI generatif. Awal pekan ini mereka mengumumkan investasi AI yang besar di UEA. Sementara saingannya Meta merilis asisten AI mereka di seluruh platformnya.
Premisnya adalah siapa pun dapat mengunggah sampel foto dan suara untuk membuat wajah Anda sendiri terlihat hidup dan berbicara. VASA-1 mengambil satu foto dan file audio singkat untuk diubah menjadi video wajah berbicara yang cukup meyakinkan.
Yang membuatnya menonjol adalah kualitas sinkronisasi bibir, gerakan kepala, dan fitur wajah yang dapat dikenali.
Program semacam itu akan benar-benar digunakan, namun perlindungan akan tetap diperlukan, seperti halnya AI, karena potensi misinformasi dan niat jahat. Microsoft telah mengakui hal ini dengan pengakuan “seperti teknik pembuatan konten terkait lainnya, (VASA-1) masih berpotensi disalahgunakan untuk meniru identitas manusia.”
Laporan penelitian tersebut melanjutkan, “Mengingat konteks tersebut, kami tidak memiliki rencana untuk merilis demo online, API, produk, detail implementasi tambahan, atau penawaran terkait apa pun hingga kami yakin bahwa teknologi tersebut akan digunakan secara bertanggung jawab dan sesuai dengan peraturan yang tepat. ”
Ini liar.
Microsoft baru saja meluncurkan AI kepala bicara mereka yang sangat realistis:
VASA adalah kerangka kerja untuk menghasilkan wajah bicara karakter virtual yang nyata dengan keterampilan afektif visual (VAS).
Semua dari satu gambar statis dan klip audio.
Model pertama mereka, VASA-1, dapat:
— Alex Banks (@thealexbanks) 18 April 2024
Untuk apa VASA-1 digunakan?
Kualitas lip-sync dari program ini perlu dilihat agar dapat dipercaya, seperti yang ditunjukkan oleh gambar Mona lisa mengetuk. Kata sempurna? Kurang lebih. Dikatakan bahwa para peneliti sangat terkejut dengan betapa bagusnya kinerjanya.
VASA-1 tampaknya sangat cocok untuk animasi, mulai dari game hingga avatar media sosial dan pembuatan film AI, tetapi seperti disebutkan di atas, saat ini tidak ada rencana untuk mengembangkan proyek ini selain demonstrasi penelitian.
Hal ini dapat berubah karena pengembang akan sangat tertarik untuk bekerja dengan model tersebut.
Kredit gambar: Microsoft
