Don't Miss
AI圖像生成影片｜Google VLOGGER 人像配聲添動作
By 信報財經新聞 on March 20, 2024
原文刊於信報財經新聞「EJ Tech 創科鬥室」
阿里巴巴（09988）智能計算研究所早前發布生成式人工智能（Generative AI）模型EMO，只需輸入一張照片及音檔，即可自動生成逼真的表情。谷歌（Google）研究人員近日不甘後人，亦發表新圖像生成影片AI系統VLOGGER，標榜做出對應聲音的面部表情、頭部動作及手勢，畫面中人物同樣懂得搖頭眨眼，呈現更完整的肢體語言。
適用於靜態背景
VLOGGER模型建立在擴散架構上，以超過80萬名人物分身及2200小時影片訓練而成，能夠生成多元種族，不同年齡、服裝及環境，擺着各種姿勢的人物影片。模型主要應用之一是短片翻譯，亦可用於報告、教育及旁白等場景，限制是生成影片不會太長，人物不會在3D環境移動，靜態背景恍如視像會議畫面，但所有影片看起來都很逼真。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
