Microsoft、1枚の画像と音声ファイルからリアルな表情の動画を生成するAIモデル「VASA-1」を発表

最終更新日:2024/05/08

Microsoft 新AIモデル開発

Microsoft Researchは、1枚の画像と音声ファイルから本物の人間のように話す表情を生成できるAIモデル「VASA-1」を発表しました。

Microsoftの研究機関であるMicrosoft Researchは、1枚の画像と音声ファイルから本物の人間のように話す表情を生成できるAIモデル「VASA-1」を発表しました。生成する動画は、元の画像内の人物に限らず、全く別人の動画を作ることも可能です。

「VASA-1」は、写真だけでなく漫画や美術作品からも生成でき、リップシンクや自然な顔・頭の動きを伴った本物のような仕上がりになります。

「VASA-1」は、会話している人々の顔を撮影した数多くのビデオで訓練され、「唇の動き、（唇以外の）表情、視線、まばたきなど」を含む自然な顔や頭の動きを認識するように設計されています。

マイクロソフトは、この技術は教育や「意思疎通に困難を抱える人のアクセシビリティーの向上」あるいは、人間のためのバーチャルコンパニオンの作成に利用できるとコメントしています。一方でこのツールが悪用され、現実の人間になりすますために使われる可能性があることも懸念点として挙げており、現時点では「VASA-1」の一般公開はされていません。

出典：Microsoft

AIsmiley編集部

株式会社アイスマイリーが運営するAIポータルメディア「AIsmiley」は、AIの専門家によるコンテンツ配信とプロダクト紹介を行うWebメディアです。AI資格を保有した編集部がDX推進の事例や人工知能ソリューションの活用方法、ニュース、トレンド情報を発信しています。

・Facebookでも発信しています
@AIsmiley.inc
・Xもフォローください
@AIsmiley_inc