阿里云在生成式AI領域又有新進展。8月16日消息,阿里云推出數(shù)字人視頻生成工具Live Portait,上傳一張照片和一段文本或語音即可生成一段開口說話的數(shù)字人視頻,可應用于視頻直播、聊天機器人、企業(yè)營銷等場景。目前,該工具已在魔搭社區(qū)創(chuàng)空間開放體驗。
自對話大模型和AI繪畫模型相繼火熱后,業(yè)界對生成式AI的研究逐步朝更多模態(tài)的方向演進,AI視頻生成便是熱門技術之一。該技術可將文本或音頻等信息轉換為面部運動信息,進而驅動生成照片人物形象的動畫,能有效降低視頻拍攝和制作門檻。
此次上線的Live Portait工具由運動模塊和生成模塊組成,其采用阿里云自研的口型預測算法,生成的口型準確度相比傳統(tǒng)方法大幅提高;在訓練階段,增加了姿態(tài)的顯式控制,無需底板視頻也可以生成任意動作的視頻,大幅提升數(shù)字人說話的真實感;此外,通過眼神主動控制技術,Live Portait可以為眼球增加一些自然運動,使得生成結果在觀感上更接近真人效果。據(jù)介紹,Live Portait相關技術已被CVPR、ICCV等國際AI頂會收錄。
根據(jù)魔搭社區(qū)上的信息顯示,在Live Portait上傳照片后,用戶可選擇文本驅動和音頻驅動兩種方式,文本驅動模式下,該工具提供了普通話、英語、粵語、童聲等28種聲音。此外,Live Portait還提供了輕量模型選擇,幫助用戶更快速生成視頻。
該工具算法負責人張邦表示:“ Live Portait集成了團隊多項自研創(chuàng)新技術,例如僅需單張圖片就能生成逼真的面部動畫,突破了傳統(tǒng)對抗生成網(wǎng)絡的局限。隨著技術的進一步迭代,圖生視頻有巨大的應用空間,有望成為企業(yè)降本增效的生產(chǎn)工具?!?/p>
據(jù)悉,該團隊研究方向涵蓋數(shù)字人、3D模型AI生成、高真實感渲染、自然人機交互等領域,目前已發(fā)表50多篇國際頂會論文。
(免責聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時,應及時向本網(wǎng)站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內(nèi)容或斷開相關鏈接。 )