Microsoft VASA-1: KI-Model zur Generierung von lebensechten Gesichtsbewegungen

Microsoft macht sich schon seit einer Weile im Bereich der Künstlichen Intelligenz breit. Das Asia-Team von Microsoft Research hat jetzt VASA-1 vorgestellt. Dabei handelt es sich um ein KI-Modell, das aus einem statischen Foto und einem Audio-Clip realistische sprechende Gesichter generieren kann. Die Technologie geht weit über die reine Lippensynchronisation hinaus und ermöglicht es dem Modell, eine Vielzahl natürlicher Gesichtsausdrücke und Kopfbewegungen zu erzeugen, die die Illusion von Lebendigkeit erwecken.

VASA-1 basiert auf einem neuartigen Ansatz, der neuronale Netze mit einem physischen Gesichtsmodell kombiniert. Dies ermöglicht dem System, die komplexen Bewegungen der Gesichtsmuskulatur und die kleinen Veränderungen der Hautstruktur, die durch Emotionen und Sprache hervorgerufen werden, präzise zu simulieren und in ein Video zu gießen.

Gedachte Anwendungszwecke nennt man natürlich auch. Die Technologie könnte beispielsweise verwendet werden, um realistische Avatare für Videokonferenzen oder virtuelle Assistenten zu erstellen. Sie könnte auch dazu genutzt werden, animierte Charaktere in Filmen und Videospielen zu erzeugen, die deutlich ausdrucksstärker und lebendiger sind als bisherige Modelle.

Auch an das Thema Ethik denkt man. Da die Technologie sehr realistische Ergebnisse liefern kann, besteht die Gefahr, dass sie zur Erstellung von Deepfakes eingesetzt werden könnte. Microsoft hat daher angekündigt, mit Experten zusammenzuarbeiten, um sicherzustellen, dass VASA-1 verantwortungsvoll eingesetzt wird.

Weitere Informationen und etliche Beispiele findet ihr bei Microsoft Research.

Transparenz: In diesem Artikel sind Partnerlinks enthalten. Durch einen Klick darauf ge­lan­gt ihr direkt zum Anbieter. Solltet ihr euch dort für einen Kauf entscheiden, erhalten wir ei­ne kleine Provision. Für euch ändert sich am Preis nichts. Partnerlinks haben keinerlei Einfluss auf unsere Berichterstattung.