Microsoft lance le modèle d'IA VASA-1, convertit les images en vidéo avec du son

Microsoft a présenté VASA-1, un modèle d'intelligence artificielle (IA) qui permet aux utilisateurs de transformer une photo en vidéo avec un son synchronisé. La vidéo résultante semble assez réaliste avec des expressions faciales, des mouvements de lèvres et de tête qui correspondent à l'audio.

Microsoft affirme que le VASA-1 est capable de produire des vidéos avec une résolution de 512 x 512 pixels et une fréquence d'images allant jusqu'à 40 FPS, et peut utiliser l'audio sous forme de chant et de langues autres que l'anglais comme entrée. Le principal avantage du VASA-1 est sa capacité d’auto-apprentissage, qui lui permet de développer cette capacité sans conception particulière.

Cependant, malgré ses capacités impressionnantes, Microsoft est conscient des problèmes éthiques potentiels tels que les deep fakes qui pourraient survenir et cherche des solutions. Microsoft a également souligné qu'il ne publierait pas immédiatement VASA-1 au p...
[Courte citation de 8% de l'article original]