AIGC動態(tài)歡迎閱讀

原標題：微軟剛剛發(fā)布了VASA-1：單張照片生成超現(xiàn)實真人視頻，還沒開源但是性能SOTA
關鍵字：騰訊,音頻,姿態(tài),頭部,編碼器
文章來源：夕小瑤科技說
內容字數(shù)：2779字

內容摘要：

夕小瑤科技說 原創(chuàng)作者 | 任同學還記得阿里巴巴那個讓照片說話的EMO項目嗎？如果還沒有看過相關的報道，可以看一下我們之前發(fā)過的文章哦：
比阿里EMO搶先開源！蔡徐坤“復出”唱RAP，騰訊AniPortrait讓照片變視頻，鬼畜區(qū)UP狂喜！看看哪家效果好
現(xiàn)在 Microsoft Research 推出了VASA-1項目，同樣是單張人像照片+語音音頻=超現(xiàn)實的說話臉視頻，但是性能SOTA！
VASA-1 可實現(xiàn)精確的唇聲同步，逼真的面部行為，自然的頭部，并支持實時生成！
據(jù)作者報道，該 VASA-1 不僅能夠產(chǎn)生與音頻同步的嘴唇動作，而且還能夠捕捉到大量的面部細微差別和自然的頭部動作，從而有助于感知真實性和人物狀態(tài)。
可以看到表情非常到位，特別是那靈活的小眼神!
相比之前的高啟強普法視頻，眼神、眉毛的動作顯然要自然很多。
更好的可控性VASA-1 的一個顯著的特性是它可以接受可選信號作為條件，如主眼睛注視方向和頭部距離，以及情緒偏移。這不僅增強了可玩性，重要的是動畫效果更加自然！
▲不同主注視方向(前、左、右、上)下的生成結果
▲不同頭距尺度下的生成結果
▲不同情緒(分別為中性、快

原文鏈接：微軟剛剛發(fā)布了VASA-1：單張照片生成超現(xiàn)實真人視頻，還沒開源但是性能SOTA

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：專業(yè)、有趣、深度價值導向的科技媒體。聚集30萬AI工程師、研究員，覆蓋500多家海內外機構投資人，互聯(lián)網(wǎng)大廠中高管和AI公司創(chuàng)始人。一線作者來自清北、國內外頂級AI實驗室和大廠，兼?zhèn)涿翡J的行業(yè)嗅覺和洞察深度。商務合作：zym5189