微软推出AI工具VASA-1：静态照片秒变逼真说话视频
微软推出了一款名为VASA-1的人工智能工具，该工具能够实现上传静态照片、添加音频样本并生成看似真实且能发声的视频。VASA-1能够接收肖像风格的单张图像和一段音频文件，将它们结合以生成逼真的面部表情、头部动作，甚至能让上传的音频配合视频中的说话头部唱歌。
演示效果惊艳：唇形同步自然，支持多角度与情感控制
尽管微软表示，VASA-1目前仅是一个研究项目，因此未向公众开放使用，但该公司仍发布了关于该工具的有趣视频。微软称，新工具专为激活虚拟角色而设计，因此示例中的所有人物均为合成生成，并使用OpenAI的DALL-E图像生成模型创建。
在演示视频中，这些说话的头颅看起来如同真人一般，拥有流畅的自然外观的动作。其唇形同步能力尤为令人印象深刻，几乎难以察觉任何不自然的动作。此外，VASA-1无需依赖传统的正面朝向、类似护照或肖像风格的照片即可运行，这一点同样令人惊叹。示例中展示了头颅略微转向不同方向的镜头，而该模型还提供了高度精细的控制能力，通过利用眼睛注视方向、头部距离甚至情感表达等输入要素来增强真实感。
潜在风险：深度伪造隐患致暂未公开
微软的这项新技术虽然引人注目，但也可能吸引那些制作深度伪造视频的人，并存在被滥用的风险。这或许也是该公司目前不愿向他人开放使用该工具的原因。