IA da Microsoft faz foto falar e se mexer

Pesquisadores da Microsoft Research Lab em Pequim, China, apresentaram o VASA-1, um novo modelo de inteligência artificial (IA) que produz vídeos realistas de rostos humanos a partir de uma única foto e um clipe de áudio. Esses vídeos curtos conferem movimentos, expressões faciais e sincronização labial extremamente convincentes, capazes de enganar um espectador desatento.

Além de animar rostos humanos, o VASA-1 pode dar vida a imagens artísticas, como personagens fictícios e obras de arte, e até gerar falas em diversos idiomas e cantos. Para a geração de fala, basta incluir um clipe de áudio com a voz desejada, que pode ser a do indivíduo da foto ou não.

Notícias relacionadas

A luz será desligada em 28 bairros de Porto Alegre após o feriado e no final de semana; Veja a lista completa

Mulher pede demissão 27 minutos após começar a trabalhar ao descobrir como era feita limpeza em hotel

Pablo Marçal promete US$ 1 mi a quem achar ação movida por ele; advogado encontra e cobra na Justiça

Como a IA funciona?

A ferramenta oferece controle sobre expressões faciais, direção do olhar, posição da cabeça, ângulo da câmera e outros ajustes detalhados. Tudo isso pode ser manipulado em tempo real, semelhante à criação de personagens em um videogame. Os vídeos gerados têm resolução de 512x512 pixels e podem chegar a 40 quadros por segundo.

Os pesquisadores responsáveis pela ferramenta reconhecem que sua tecnologia pode ser utilizada para criar deepfakes e potencialmente enganar pessoas. Por essa razão, eles afirmam que só comercializarão o produto quando estiverem seguros de que será usado de maneira responsável e em conformidade com as regulamentações adequadas.

A equipe acredita que a tecnologia pode melhorar a equidade educacional, o aumento da acessibilidade para pessoas com dificuldades de comunicação, a prestação de companhia ou apoio terapêutico a quem precisa, entre outros.