微软推出人工智能模型，让肖像照片说话和唱歌 – 计算机 – 新闻

微软发布了一项关于其人工智能模型 VASA-1 的研究。 该模型允许将肖像照片链接到音频文件。 然后，VASA-1 生成视频，其中的照片可以“以逼真的方式说话和唱歌”。

AI模型主要是为了设计虚拟角色。 “VASA-1 能够产生与音频完美同步的嘴唇运动。此外，它还可以捕捉各种微妙的面部表情和自然的头部运动，有助于感知真实性和活力。” 微软说。

该公司分享了几段展示这一点的视频，其中包括一段饶舌的《蒙娜丽莎》。 模型的用户可以自行调整，例如头部移动或注视方向。 在离线模式下，VASA-1 以 45 fps 生成 512×512 像素的视频，在线版本中支持高达 40 fps。 微软强调，它没有计划将 VASA-1 商业化，因为担心人工智能模型被滥用来制造 Deepfakes。