I ricercatori Microsoft hanno presentato un innovativo modello di intelligenza artificiale, VASA-1, in grado di prendere un’immagine statica di un volto e un frammento audio per creare un video convincente della persona che parla. I primi test non si sono fatti attendere e un messaggio ha cominciato a circolare sulle reti. Cantante rap Monna Lisa. Leonardo Da Vinci avrebbe voluto sentirlo così?
VASA-1, è stato sviluppato da Microsoft e per “giocare”. Basta solo l’immagine di una persona e una traccia audio, il resto è cantato. Il team di ricerca ha cercato di animare immagini fisse di persone che parlano e cantano, utilizzando qualsiasi traccia audio di backup fornita, mostrando anche espressioni facciali credibili, secondo il media spagnolo La Razón.
In ciascuna animazione, le espressioni facciali cambiano insieme alle parole in modo da enfatizzare ciò che viene detto. I ricercatori notano inoltre che, nonostante la natura realistica dei video, un esame più attento potrebbe rivelare difetti e la prova che sono stati generati artificialmente.
L’efficacia del sistema è stata evidente quando il video di Monna Lisa che esegue una canzone rap è diventato immediatamente virale e allo stesso tempo ha generato opinioni contrastanti sui social network, come ogni progresso tecnologico che entra in scena.
Dettagli tecnici
L’addestramento del modello includeva un’ampia gamma di video facciali, consentendo a VASA-1 di riconoscere movimenti naturali come l’ammiccamento, l’espressione facciale e lo sguardo. Sebbene i video generati mostrino realismo, mostrano ancora segni della loro origine artificiale.
Microsoft ha sottolineato che il suo modello supera strumenti simili e getta le basi per interagire in tempo reale con avatar realistici, guidando la conversazione tra esseri umani e sistemi di intelligenza artificiale.
Questo progresso tecnologico, per quanto entusiasmante, solleva importanti questioni etiche e normative che devono essere affrontate prima di un’implementazione diffusa.
