Microsoft von Bill Gates hat ein neues Programm namens VASA vorgestellt, das „lebensechte sprechende Gesichter virtueller Charaktere mit attraktiven visuellen Fähigkeiten (VAS) anhand eines einzigen statischen Bildes und eines Sprach-Audioclips“ erstellt.
Nach Angaben der Abteilung für künstliche Intelligenz (KI) bei Microsoft hat der Technologieriese heimlich an dem Programm gearbeitet, damit Podcaster, TV-Moderatoren und Nachrichtensprecher vollständig durch KI ersetzt werden können.
„Unser erstes Modell, VASA-1, ist nicht nur in der Lage, Lippenbewegungen zu erzeugen, die hervorragend mit dem Ton synchronisiert sind, sondern auch ein großes Spektrum an Gesichtsnuancen und natürlichen Kopfbewegungen einzufangen, die zur Wahrnehmung von Authentizität und Lebendigkeit beitragen“, Bill Gates ‚ schrieb das Team in einem Artikel über diese neuesten Entwicklungen.
Naturalnews.com berichtet: „Zu den Kerninnovationen gehören ein ganzheitliches Modell für die Gesichtsdynamik und die Generierung von Kopfbewegungen, das in einem latenten Gesichtsraum funktioniert, sowie die Entwicklung eines solchen ausdrucksstarken und entwirrten latenten Gesichtsraums mithilfe von Videos.“ Durch umfangreiche Experimente, einschließlich der Auswertung einer Reihe neuer Metriken, zeigen wir, dass unsere Methode frühere Methoden in verschiedenen Dimensionen deutlich übertrifft.“
Hochwertige Deepfakes
Die von Microsoft Research Asia verwendeten Methoden zur Entwicklung dieser Art von menschenähnlichen Deepfakes erzeugen hochwertige Videos gepaart mit realistischen Gesichts- und Kopfdynamiken. Ein solches Video kann online mit 512×512 mit bis zu 40 Bildern pro Sekunde (FPS) und vernachlässigbarer Startlatenz generiert werden.
Laienhaft ausgedrückt ist die Technologie so glaubwürdig, dass viele Menschen wahrscheinlich darauf hereinfallen und denken würden, dass es sich um echte Menschen auf ihren Bildschirmen handelt. Nur die Anspruchsvollsten werden erkennen können, dass mit dem, was sie sehen, etwas nicht ganz stimmt.
„Es ebnet den Weg für Echtzeit-Interaktionen mit lebensechten Avataren, die menschliches Gesprächsverhalten nachahmen“, behauptet Microsoft Research Asia stolz.
Wenn Sie daran interessiert sind, ein paar Beispiele dieser gruseligen bewegten und sprechenden KI-Bilder zu sehen, können Sie dies auf Microsoft.com tun .
„Unsere Methode ist nicht nur in der Lage, eine wertvolle Lippen-Audio-Synchronisation zu erzeugen, sondern auch ein großes Spektrum ausdrucksstarker Gesichtsnuancen und natürlicher Kopfbewegungen zu erzeugen“, sagt das Unternehmen.
„Es kann Audiodaten beliebiger Länge verarbeiten und nahtlos Videos mit sprechenden Gesichtern stabil ausgeben.“
Der Zweck der Forschung besteht darin, eine ganze Gesellschaft oder Armee virtueller KI-Avatare freizusetzen, sagt Microsoft, aber keine Sorge: Das Unternehmen beharrt darauf, dass alles „auf positive Anwendungen abzielt“.
„Es ist nicht beabsichtigt, Inhalte zu erstellen, die der Irreführung oder Täuschung dienen“, heißt es in einem Haftungsausschluss auf der Website. „Wie andere damit verbundene Techniken zur Inhaltsgenerierung könnte es jedoch immer noch potenziell missbraucht werden, um sich als Menschen auszugeben.“
„Wir lehnen jegliches Verhalten ab, das irreführende oder schädliche Inhalte realer Personen erstellt, und sind daran interessiert, unsere Technik zur Weiterentwicklung der Fälschungserkennung einzusetzen. Derzeit enthalten die mit dieser Methode generierten Videos noch identifizierbare Artefakte, und die numerische Analyse zeigt, dass es noch eine Lücke gibt, um die Authentizität echter Videos zu erreichen.“
Die angeblich positiven Anwendungsfälle für eine solche Technologie lesen sich wie eine Parodie, wobei Microsoft behauptet, dass sie „Bildungsgerechtigkeit“ schaffen und gleichzeitig „die Zugänglichkeit für Personen mit Kommunikationsproblemen verbessern und Bedürftigen Begleitung oder therapeutische Unterstützung bieten kann …“
0 Comments