Microsoft stworzył narzędzie do deepfake'ów. Twoje zdjęcie zacznie mówić
Microsoft wprowadził na rynek innowacyjny model sztucznej inteligencji, który umożliwia ożywianie fotografii przy użyciu generowanego audio. Rezultaty są oszałamiające, choć równocześnie mogą nieść za sobą ryzyko.
VASA-1
Przez rozwój zaawansowanych technologii uczenia maszynowego, możliwości sztucznej inteligencji rosną w zaskakującym tempie. Na przykład, Microsoft stworzył nowatorski model AI, który umożliwia animowanie statycznych obrazów osób.
Obraz może nagle zacząć przemawiać. Model o nazwie Microsoft VASA-1 umożliwia animację portretów ludzi, synchronizując je z nagraniami dźwiękowymi. Rezultaty robią wrażenie, ponieważ zwykłe zdjęcia zmieniają się w realistyczne nagrania osób mówiących lub śpiewających.
Wystarczy zdjęcie, a powstanie realistyczny film
Do swoich eksperymentów Microsoft użył nieistniejących, wygenerowanych portretów z użyciem StyleGAN2 oraz DALL-E 3. Nowa funkcja jest efektywna zarówno na realistycznych zdjęciach ludzi, jak i na bajkowych awatarach. Przedstawiono nawet zastosowanie wizerunku słynnej Mony Lisy.
Model VASA-1 może nie tylko zsynchronizować ruchy warg, ale również oddać bogactwo niuansów mimiki oraz naturalnych ruchów głowy, co znacznie zwiększa realistyczność wygenerowanych animacji.
Nowy model umożliwia tworzenie filmów w rozdzielczości 512 x 512 pikseli z prędkością 45 klatek na sekundę w trybie offline. Może także produkować nagrania online z prędkością do 40 klatek na sekundę przy minimalnym opóźnieniu wynoszącym tylko 170 ms na stacjonarnym komputerze z kartą graficzną NVIDIA GeForce RTX 4090.
Nowa technologia może stanowić zagrożenie
Microsoft podkreśla, że cele badań naukowych skupiają się na generowaniu animacji dla wirtualnych portretów i nie mają na celu tworzenia treści mogących wprowadzać w błąd. Mimo to, firma zdaje sobie sprawę, że technologia ta może być wykorzystana do podszywania się pod inne osoby.
W swoim oświadczeniu, opublikowanym na oficjalnej stronie, firma wyraża sprzeciw wobec wykorzystywania nowego modelu do celów mogących wprowadzać w błąd lub tworzyć szkodliwe treści z wykorzystaniem wizerunków prawdziwych osób. Microsoft nie zamierza udostępnić publicznie wersji demonstracyjnej, interfejsu API ani kompletnego produktu, jednocześnie interesując się wykorzystaniem tej technologii do lepszego wykrywania fałszerstw.
