MADRID, 18 (Portaltico/EP)
Microsoft ha presentado su trabajo sobre un nuevo modelo de inteligencia artificial (IA) que dota de expresividad a avatares realistas mientras aparecen hablando en vídeos generados a partir de una imagen estática y un clip de voz.
VASA es la propuesta de Microsoft para generar rostros virtuales que hablan y gesticulan con gran expresividad y realismo en tiempo real, en el que el movimiento de los labios está “exquisitamente sincronizado con el audio”.
Los rostros que simulan ser personas reales han sido generados por las herramientas de inteligencia artificial StyleGAN2 y DALL·E-3, pero ninguno de ellos corresponde a una identidad real, tal y como aclara la compañía tecnológica.
Este realismo se ve reforzado por la sincronización y “el gran espectro de emociones y matices faciales” que combina con el movimiento natural de la cabeza, como explica en su blog oficial.
VASA requiere sólo una imagen estática y un fragmento de audio con voz para crear vídeos con un tamaño de 512 x 512 píxeles a 45 fotogramas por segundo en modo ‘offline’, aunque ‘online’ admite 40 fps con una latencia de 170 ms. La compañía lo ha evaluado con un ordenador de sobremesa equipado con una GPU NVIDIA RTX 4090.
Microsoft ha asegurado que no tiene previsto lanzar esta demo de esta herramienta dados los riesgos potenciales que tiene por su mal uso en la suplantación de personas reales.
