Fotos ganham vida, e realismo, em nova ferramenta da Microsoft que sicroniza áudio e movimentos

Pesquisadores da Microsoft Research Lab, localizado em Pequim, China, introduziram na quarta-feira, 17, o VASA-1, um novo modelo de inteligência artificial capaz de criar vídeos realistas em tempo real, animando rostos humanos a partir de apenas uma foto e um clipe de áudio.

O VASA-1 permite a geração de vídeos curtos com movimentos e expressões faciais altamente convincentes, incluindo sincronização labial, que podem facilmente enganar espectadores desatentos.

Além de rostos humanos, o modelo também anima personagens fictícios e obras de arte, adicionando falas em diferentes idiomas e até cantorias.

O modelo oferece ao usuário amplo controle sobre os vídeos gerados, permitindo ajustar expressões faciais, direção do olhar e outros parâmetros em tempo real. Os vídeos alcançam uma resolução de 512x512 pixels e podem ser produzidos a uma taxa de até 40 quadros por segundo.

A equipe, consciente dos potenciais riscos associados ao uso indevido da tecnologia, como a criação de deepfakes, afirmou que a comercialização do VASA-1 só ocorrerá após garantias de uso responsável e conforme regulamentações vigentes.