A IA VASA-1 da Microsoft pode fazer com que a imagem de qualquer pessoa se mova e fale

A Microsoft revelou uma nova ferramenta de inteligência artificial de sincronização labial que transforma uma imagem estática do rosto de uma pessoa em um clipe animado dela falando ou cantando. VASA-1 não só é capaz de produzir movimentos labiais primorosamente sincronizado” com o áudio, mas também pode capturar um amplo espectro de nuances faciais e movimentos naturais da cabeça que contribuem para a percepção de autenticidade e vivacidade.

A Microsoft desenvolveu uma dinâmica facial holística e um modelo de geração de movimentos da cabeça que funciona em um espaço facial latente. A empresa afirma que supera significativamente os métodos anteriores de forma abrangente.

Atualmente, o VASA é apenas uma demonstração de pesquisa, sem planos de lançar o produto ou permitir que outros usem a API; essencialmente, a Microsoft só quer mostrar seu modelo de sincronização labial.

A empresa afirma que o VASA aceitará solicitações como para onde o personagem deve olhar, o corte na cabeça do sujeito e suas emoções ao falar, que incluem neutro, feliz, zangado ou surpreso.

A Microsoft demonstrou o VASA usando DALL-E 3 ou StyleGAN2 para gerar imagens de pessoas com IA, mas fotografias reais poderiam ser usadas; as pessoas, por exemplo, poderiam ser obrigadas a falar algo que não disseram, levantando questões éticas em torno de deepfakes e desinformação.

- "Nossa pesquisa se concentra na geração de habilidades visuais afetivas para avatares virtuais de IA, visando aplicações positivas", afirma a Microsoft na página de pesquisa VASA-1. - "Não se destina a criar conteúdo usado para enganar. No entanto, como outras técnicas de geração de conteúdo relacionadas, ainda pode ser potencialmente utilizada indevidamente para se passar por humanos."

A empresa diz ainda que se opõe a qualquer comportamento para criar conteúdos enganosos ou prejudiciais de pessoas reais e que está interessada em aplicar sua técnica para avançar na detecção de falsificações.

Atualmente, os vídeos gerados por este método ainda contêm artefatos identificáveis, e a análise numérica mostra que ainda há uma lacuna para alcançar a autenticidade dos vídeos reais.

Os exemplos postados pela Microsoft ainda têm um toque de "vale da estranheza". Mas nem todo mundo é tão versado em mídia e há pessoas por aí que acreditariam que um vídeo do VASA-1 é real.