ਜਿਵੇਂ ਕਿ AI ਸਰਵਉੱਚਤਾ ਦੀ ਦੌੜ ਜਾਰੀ ਹੈ, ਮਾਈਕ੍ਰੋਸਾਫਟ ਹੁਣ ਆਪਣੇ ਨਵੀਨਤਮ ਟੂਲ, VASA-1 ਨਾਲ ਲੋਕਾਂ ਦੀਆਂ ਪੋਰਟਰੇਟ ਤਸਵੀਰਾਂ ਨੂੰ ਗੱਲ ਕਰਨ ਵਾਲੇ ਚਿਹਰਿਆਂ ਜਾਂ ਵੀਡੀਓਜ਼ ਵਿੱਚ ਬਦਲਣਾ ਚਾਹੁੰਦਾ ਹੈ।
ਤਕਨੀਕੀ ਦਿੱਗਜ ਦੁਆਰਾ ਇੱਕ ਖੋਜ ਪੱਤਰ ਦੇ ਅਨੁਸਾਰ, ਮਾਈਕ੍ਰੋਸਾਫਟ ਏਆਈ ਦੀ ਦੌੜ ਨੂੰ ਇੱਕ ਹੋਰ ਪੱਧਰ 'ਤੇ ਲੈ ਜਾ ਰਿਹਾ ਹੈ, ਨਾਲ ਵਾਸਾ 1, ਵਿਜ਼ੂਅਲ ਇਫੈਕਟਿਵ ਸਕਿਲਜ਼ (VAS) ਦੇ ਨਾਲ ਵਰਚੁਅਲ ਪਾਤਰਾਂ ਦੇ ਜੀਵਨ ਵਰਗਾ ਗੱਲ ਕਰਨ ਵਾਲੇ ਚਿਹਰੇ ਬਣਾਉਣ ਲਈ ਫਰੇਮਵਰਕ, ਸਾਰੇ ਇੱਕ ਪੋਰਟਰੇਟ ਤੋਂ।
ਇਹ ਵੀ ਪੜ੍ਹੋ: ਵੀਡੀਓ ਗੇਮ ਇੰਡਸਟਰੀ ਏਆਈ ਉੱਤੇ ਯੂਨੀਅਨਾਈਜ਼ ਕਰਨ ਲਈ ਰਸ਼ ਕਰਦੀ ਹੈ
ਪੋਰਟਰੇਟ ਤੋਂ ਲੈ ਕੇ ਗੱਲ ਕਰਨ ਵਾਲੇ ਚਿਹਰਿਆਂ ਤੱਕ
ਹਾਲਾਂਕਿ ਇਹ ਅਜੇ ਜਨਤਾ ਲਈ ਉਪਲਬਧ ਨਹੀਂ ਹੈ, ਇਹ ਟੂਲ ਇੱਕ ਸਿੰਗਲ ਪੋਰਟਰੇਟ ਫੋਟੋ ਅਤੇ ਸਪੀਚ ਆਡੀਓ ਲੈਂਦਾ ਹੈ ਅਤੇ ਸਟੀਕ ਲਿਪ-ਆਡੀਓ ਸਿੰਕ, ਚਿਹਰੇ ਦੇ ਜੀਵਨ-ਵਰਤਣ, ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਸਿਰਜਿਤ ਕੁਦਰਤੀ ਸਿਰ ਦੀ ਹਿਲਜੁਲ ਦੇ ਨਾਲ ਇੱਕ ਹਾਈਪਰ-ਰਿਅਲਿਸਟਿਕ ਟਾਕਿੰਗ ਫੇਸ ਵੀਡੀਓ ਬਣਾਉਂਦਾ ਹੈ।
ਟੂਲ ਅਜੇ ਵੀ ਮਾਈਕ੍ਰੋਸਾਫਟ ਰਿਸਰਚ ਟੀਮ ਦੇ ਨਾਲ ਖੋਜ ਪ੍ਰੀਵਿਊ ਪੜਾਅ 'ਤੇ ਹੈ, ਅਤੇ ਡੈਮੋ ਵੀਡੀਓ "ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ।"
ਜਦੋਂ ਕਿ ਐਨਵੀਡੀਆ ਅਤੇ ਰਨਵੇ ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਕੋਲ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਸਿਰ ਦੀ ਹਿਲਜੁਲ ਅਤੇ ਲਿਪ ਸਿੰਕ ਤਕਨਾਲੋਜੀ ਹੈ, VASA-1 "ਬਹੁਤ ਉੱਚ ਗੁਣਵੱਤਾ ਅਤੇ ਯਥਾਰਥਵਾਦੀ ਜਾਪਦਾ ਹੈ," ਜੋ ਕਿ ਮੂੰਹ ਦੀਆਂ ਕਲਾਤਮਕ ਚੀਜ਼ਾਂ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ, ਅਨੁਸਾਰ ਟੌਮ ਦੀ ਗਾਈਡ.
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਆਡੀਓ ਸੰਚਾਲਿਤ ਐਨੀਮੇਸ਼ਨ ਲਈ ਇਹ ਪਹੁੰਚ ਵੀ ਹਾਲ ਹੀ ਦੀ ਤਰ੍ਹਾਂ ਹੈ Vlogger AI ਗੂਗਲ ਰਿਸਰਚ ਦੁਆਰਾ ਮਾਡਲ.
ਮਾਈਕਰੋਸਾਫਟ ਦੇ ਅਨੁਸਾਰ, ਜਦੋਂ ਕਿ ਪ੍ਰਦਰਸ਼ਨ ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਸਾਰੀਆਂ ਤਸਵੀਰਾਂ ਡੈਲ-ਈ ਦੁਆਰਾ ਬਣਾਈਆਂ ਗਈਆਂ ਸਿੰਥੈਟਿਕ ਹਨ, ਵਾਸਾ-1 ਅਜੇ ਵੀ ਇੱਕ ਅਸਲੀ ਤਸਵੀਰ ਨੂੰ ਐਨੀਮੇਟ ਕਰ ਸਕਦਾ ਹੈ।
ਡੈਮੋ ਵੱਖ-ਵੱਖ ਲੋਕਾਂ ਨੂੰ ਲਗਭਗ ਕੁਦਰਤੀ ਹਰਕਤਾਂ, ਚਿਹਰੇ ਦੇ ਹਾਵ-ਭਾਵ, ਅੱਖਾਂ ਦੀਆਂ ਹਰਕਤਾਂ ਨਾਲ ਗੱਲ ਕਰਦੇ ਦਿਖਾਉਂਦਾ ਹੈ "ਦੂਜੇ ਸਾਧਨਾਂ ਵਿੱਚ ਮੂੰਹ ਦੇ ਉੱਪਰ ਅਤੇ ਹੇਠਾਂ ਦੇ ਦੁਆਲੇ ਕੋਈ ਕਲਾਤਮਕ ਚੀਜ਼ਾਂ ਨਹੀਂ ਦਿਖਾਈ ਦਿੰਦੀਆਂ।"
ਇਸ ਨੂੰ ਕੰਮ ਕਰਨ ਲਈ ਫੇਸ-ਫਾਰਵਰਡ ਪੋਰਟਰੇਟ ਸਟਾਈਲ ਚਿੱਤਰ ਦੀ ਵੀ ਲੋੜ ਨਹੀਂ ਹੈ।
ਮਾਈਕ੍ਰੋਸਾਫਟ ਨੇ ਹੁਣੇ ਹੀ VASA-1 ਪੇਸ਼ ਕੀਤਾ ਹੈ।
ਇਹ ਇੱਕ ਨਵਾਂ AI ਮਾਡਲ ਹੈ ਜੋ 1 ਫੋਟੋ ਅਤੇ 1 ਆਡੀਓ ਦੇ ਟੁਕੜੇ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਜੀਵਿਤ ਮਨੁੱਖੀ ਡੀਪਫੇਕ ਵਿੱਚ ਬਦਲ ਸਕਦਾ ਹੈ।
ਚੋਣਾਂ ਤੋਂ ਪਹਿਲਾਂ ਇਹ ਹੱਕ ਛੱਡਣ ਲਈ ਜੰਗਲੀ 😬pic.twitter.com/MuLkZVOKRM
— ਰੋਵਨ ਚੇਂਗ (@rowancheung) ਅਪ੍ਰੈਲ 18, 2024
ਵਾਸਾ-1 ਨੇ ਲੋਕਾਂ ਨਾਲ ਗੱਲ ਕੀਤੀ
ਪਹਿਲਾਂ ਹੀ, ਏਆਈ ਦੇ ਉਤਸ਼ਾਹੀ X ਪਲੇਟਫਾਰਮ 'ਤੇ ਇਸ ਨੂੰ "ਜੰਗਲੀ" ਅਤੇ "ਪਾਗਲ" ਵਜੋਂ ਵਰਣਨ ਕਰਨ ਵਾਲੀ ਤਕਨਾਲੋਜੀ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੋਏ ਜਾਪਦੇ ਹਨ।
"ਹਰ ਰੀਲੀਜ਼ ਦੇ ਵਿਚਕਾਰ ਜੋ ਸੁਧਾਰ ਅਸੀਂ ਪ੍ਰਾਪਤ ਕਰ ਰਹੇ ਹਾਂ ਉਹ ਸ਼ਾਨਦਾਰ ਹੈ," ਨੇ ਕਿਹਾ ਲੀਨਸ ਏਕਨਸਟਮ.
ਹੋਰਾਂ ਦਾ ਵਿਚਾਰ ਹੈ ਕਿ ਦੁਨੀਆ "ਮੀਡੀਆ ਸਮੱਗਰੀ ਨੂੰ ਬਣਾਉਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਭੂਚਾਲ ਦੀ ਤਬਦੀਲੀ" ਅਤੇ ਇਸਦੀ ਖਪਤ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
"ਇਹ ਮਨ ਨੂੰ ਉਡਾਉਣ ਵਾਲਾ ਹੈ, ਯਥਾਰਥਵਾਦ ਸਿਖਰ 'ਤੇ ਹੈ," ਸੈਮ ਵਜੋਂ ਪਛਾਣੇ ਗਏ ਇਕ ਹੋਰ ਉਤਸ਼ਾਹੀ ਨੇ ਕਿਹਾ।
ਹਾਲਾਂਕਿ ਦੂਸਰੇ ਟੂਲ ਦੀਆਂ ਕਾਬਲੀਅਤਾਂ ਨੂੰ ਪਛਾਣਦੇ ਹਨ, ਉਹ ਇਹ ਵੀ ਸੋਚਦੇ ਹਨ ਕਿ ਮਾਈਕ੍ਰੋਸਾੱਫਟ ਦੁਆਰਾ ਇੱਕ ਅਜਿਹਾ ਟੂਲ ਪੇਸ਼ ਕਰਨਾ ਥੋੜਾ ਗੈਰ-ਜ਼ਿੰਮੇਵਾਰਾਨਾ ਹੈ ਜਿਸਨੂੰ ਆਸਾਨੀ ਨਾਲ ਹੇਰਾਫੇਰੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਚੋਣ deepfakes.
"ਚੋਣਾਂ ਤੋਂ ਪਹਿਲਾਂ ਇਸ ਨੂੰ ਛੱਡਣਾ ਚਾਹੁੰਦੇ ਹਾਂ," ਨੇ ਲਿਖਿਆ X ਪਲੇਟਫਾਰਮ 'ਤੇ ਰੋਵਨ ਚੇਂਗ।
ਇਕ ਹੋਰ ਉਪਭੋਗਤਾ ਈਵਾਨ ਕਰਸਟਲ ਇੱਕ ਸਖ਼ਤ ਚੇਤਾਵਨੀ ਦੇ ਨਾਲ ਟਿੱਪਣੀ ਕੀਤੀ: "ਮਾਈਕ੍ਰੋਸਾਫਟ ਰਿਸਰਚ ਦਾ VASA-1 ਇੱਕ ਗੇਮ-ਚੇਂਜਰ ਹੈ, ਸਿਰਫ ਇੱਕ ਫੋਟੋ ਅਤੇ ਆਡੀਓ ਤੋਂ ਅਤਿ-ਯਥਾਰਥਵਾਦੀ AI-ਜਨਰੇਟਿਡ ਵੀਡੀਓ ਬਣਾਉਂਦਾ ਹੈ।"
ਕਲਾਸਿਕ ਸਿਨੇਮਾ ਦੰਤਕਥਾਵਾਂ ਨੂੰ ਮੁੜ ਸੁਰਜੀਤ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਵਿਅਕਤੀਗਤ ਮੀਡੀਆ ਤੱਕ ਸੰਭਾਵਨਾਵਾਂ ਬੇਅੰਤ ਹਨ। ਪਰ ਆਓ ਅਸੀਂ ਡੂੰਘੇ ਖਤਰਿਆਂ ਤੋਂ ਸੁਚੇਤ ਰਹੀਏ।”
ਪਹਿਲਾਂ ਹੀ, ਦੁਨੀਆ ਨੇ ਚੋਣ ਡੂੰਘੇ ਫੇਕ ਦੀ ਇੱਕ ਆਮਦ ਵੇਖੀ ਹੈ ਜਿੱਥੇ ਪ੍ਰਚਾਰ ਫੈਲਾਉਣ ਲਈ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਆਸਤਦਾਨਾਂ ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਜਾਂ ਚਿੱਤਰਾਂ ਨੂੰ ਹੇਰਾਫੇਰੀ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਸ ਸਾਲ ਵਿਸ਼ਵ ਦੀ ਆਬਾਦੀ ਦਾ ਇੱਕ ਤਿਹਾਈ ਹਿੱਸਾ ਚੋਣਾਂ ਲਈ ਜਾ ਰਿਹਾ ਹੈ।
ਹਾਲਾਂਕਿ, ਮਾਈਕ੍ਰੋਸਾੱਫਟ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਸੰਕੇਤ ਦਿੱਤਾ ਹੈ ਕਿ ਇਹ ਸਿਰਫ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਹੈ ਅਤੇ ਇਸ ਸਮੇਂ ਜਨਤਕ ਰਿਲੀਜ਼ ਜਾਂ ਇਸਨੂੰ ਡਿਵੈਲਪਰਾਂ ਲਈ ਉਪਲਬਧ ਕਰਾਉਣ ਦੀ ਕੋਈ ਯੋਜਨਾ ਨਹੀਂ ਹੈ।
VASA-1 ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?
ਟੌਮਜ਼ ਗਾਈਡ ਦੇ ਅਨੁਸਾਰ, ਖੋਜਕਰਤਾ ਖੁਦ ਮਾਡਲ ਦੀ "ਸਿਖਲਾਈ ਡੇਟਾਸੈਟ ਵਿੱਚ ਸੰਗੀਤ ਦੀ ਵਰਤੋਂ ਨਾ ਕੀਤੇ ਜਾਣ ਦੇ ਬਾਵਜੂਦ, ਬਿਨਾਂ ਕਿਸੇ ਮੁੱਦੇ ਦੇ ਗਾਇਕ ਦੇ ਸ਼ਬਦਾਂ ਨੂੰ ਪ੍ਰਤੀਬਿੰਬਤ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਗਾਣੇ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਲਿਪ-ਸਿੰਕ ਕਰਨ ਦੀ ਮਾਡਲ ਦੀ ਯੋਗਤਾ 'ਤੇ ਹੈਰਾਨ ਹਨ।"
ਇਸ ਤੋਂ ਇਲਾਵਾ, VASA-1 ਨੇ ਵੱਖ-ਵੱਖ ਚਿੱਤਰ ਸ਼ੈਲੀਆਂ ਨੂੰ ਸੰਭਾਲਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਮਸ਼ਹੂਰ ਪੋਰਟਰੇਟ ਵੀ ਸ਼ਾਮਲ ਹਨ ਮੋਨਾ ਲੀਜ਼ਾ.
ਟੂਲ ਨੂੰ ਇਸਦੀ ਐਡਵਾਂਸਡ ਲਿਪ-ਸਿੰਕ ਯੋਗਤਾਵਾਂ ਦੇ ਪਿੱਛੇ ਗੇਮਿੰਗ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ, ਮਾਹਰਾਂ ਨੇ ਕਿਹਾ ਹੈ, ਡੁੱਬਣ ਲਈ ਇੱਕ ਗੇਮ ਚੇਂਜਰ ਹੋ ਸਕਦਾ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤਕਨਾਲੋਜੀ ਸੋਸ਼ਲ ਮੀਡੀਆ ਵੀਡੀਓਜ਼ ਲਈ ਅਵਤਾਰ ਬਣਾਉਣ ਲਈ ਸਹਾਇਕ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਸਿੰਥੇਸੀਆ ਅਤੇ ਹੇਗੇਨ ਵਰਗੀਆਂ ਫਰਮਾਂ ਦੇ ਮਾਮਲੇ ਵਿੱਚ।
AI-ਆਧਾਰਿਤ ਫਿਲਮਾਂ ਅਤੇ ਸੰਗੀਤ ਵੀਡੀਓ ਪ੍ਰੋਡਕਸ਼ਨ ਵੀ ਵਧੇਰੇ ਯਥਾਰਥਵਾਦੀ ਵੀਡੀਓਜ਼ ਲਈ VASA-1 ਤਕਨਾਲੋਜੀ ਦਾ ਲਾਭ ਲੈ ਸਕਦੇ ਹਨ।
ਇਹ ਸੰਭਾਵਨਾਵਾਂ ਹਨ ਕਿ ਮਾਈਕ੍ਰੋਸਾਫਟ ਦੀ ਓਪਨਏਆਈ ਵਿੱਚ ਹਿੱਸੇਦਾਰੀ ਹੋਣ ਦੇ ਨਾਲ, VASA-1 ਇੱਕ "ਭਵਿੱਖ ਦੇ ਕੋਪਾਇਲਟ" ਦਾ ਹਿੱਸਾ ਹੋ ਸਕਦਾ ਹੈ ਸੋਰਾ ਏਕੀਕਰਣ।"
- ਐਸਈਓ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਸਮੱਗਰੀ ਅਤੇ PR ਵੰਡ. ਅੱਜ ਹੀ ਵਧਾਓ।
- PlatoData.Network ਵਰਟੀਕਲ ਜਨਰੇਟਿਵ ਏ.ਆਈ. ਆਪਣੇ ਆਪ ਨੂੰ ਸਮਰੱਥ ਬਣਾਓ। ਇੱਥੇ ਪਹੁੰਚ ਕਰੋ।
- ਪਲੈਟੋਏਆਈਸਟ੍ਰੀਮ। Web3 ਇੰਟੈਲੀਜੈਂਸ। ਗਿਆਨ ਵਧਾਇਆ। ਇੱਥੇ ਪਹੁੰਚ ਕਰੋ।
- ਪਲੇਟੋਈਐਸਜੀ. ਕਾਰਬਨ, ਕਲੀਨਟੈਕ, ਊਰਜਾ, ਵਾਤਾਵਰਨ, ਸੂਰਜੀ, ਕੂੜਾ ਕਰਕਟ ਪ੍ਰਬੰਧਨ. ਇੱਥੇ ਪਹੁੰਚ ਕਰੋ।
- ਪਲੈਟੋ ਹੈਲਥ। ਬਾਇਓਟੈਕ ਅਤੇ ਕਲੀਨਿਕਲ ਟਰਾਇਲ ਇੰਟੈਲੀਜੈਂਸ। ਇੱਥੇ ਪਹੁੰਚ ਕਰੋ।
- ਸਰੋਤ: https://metanews.com/enthusiasts-smitten-by-image-to-video-tool-vasa-1/
