Хиперреалистичните ИИ аватари на Synthesia скоро ще имат цели тела

Генерираните от изкуствен интелект аватари на Synthesia получават актуализация, за да станат още по-реалистични.

Скоро ще имат тела, които могат да се движат, и ръце, които жестикулират.

Новите аватари ще могат да правят неща като пеене и размахване на микрофон, докато танцуват, или да се движат зад бюрото и да ходят в пространството. Те ще могат да изразяват по-сложни емоции, отколкото е възможно сега. Такива като вълнение, страх или нервност, обяснява Виктор Рипарбели, главен изпълнителен директор на компанията. 

Synthesia възнамерява да пусне новите аватари към края на годината.

„Много е впечатляващо. Никой друг не е в състояние да направи това“, казва Джак Сондърс, изследовател от университета в Бат, който не е участвал в разработката на Synthesia.

Аватарите на цялото тяло, които се обсъждат, са много добри, въпреки малките грешки. Например има проблеми при ръцете. Разработчиците са се погрижили да се забелязват само, ако се вгледаш наистина от близо. 

Synthesia пусна първата си версия на хиперреалистични ИИ аватари през април. 

Тези аватари използват големи езикови модели, за да съпоставят изразите и тона на гласа с чувството на изговорения текст. Дифузионните модели, използвани в системите за изкуствен интелект за генериране на изображения и видео, създават външния вид на аватара. Аватарите в това поколение обаче се създават само от торса нагоре, което не позволява пълен реализъм.

За да създаде аватарите с цяло тяло, Synthesia изгражда още по-голям ИИ модел. 

Потребителите обаче ще трябва да отидат в студио, за да запишат движенията на тялото си.

Но преди тези аватари на цялото тяло да станат свободно достъпни, компанията пуска друга версия на AI аватари, които имат ръце и могат да бъдат заснети от различни ъгли. Макар и не с такова качество и не в такъв мащаб. Техните предшественици бяха налични само в портретен режим и се виждаха само отпред.

Тях може да очакваме още през юли, с по-реалистични движения на ръцете и по-добра синхронизация на устните.

Най-важното е, че предстоящата актуализация също прави много по-лесно създаването на ваш собствен персонализиран аватар. Предишните персонализирани ИИ аватари на компанията изискваха потребителите да отидат в студио, за да запишат лицето и гласа си. В сесия с продължение от няколко часа.

Сега това вече ще отнема около 10 минути и няма да има нужда от професионално студио.

Използва се цифрова камера, лаптоп и микрофон на ревера. Освен това визуалните и звуковите данни вече се записват едновременно, а не отделно както преди. 

По-долу можете да видите пример за такъв аватар, споделен от MIT Technology Review

Самоделните аватари все още не са толкова изразителни като тези, направени в студио, и потребителите не могат да променят фона на своите аватари. Ръцете са анимирани с помощта на усъвършенствана форма на технология за зацикляне, която повтаря едни и същи движения на ръцете по начин, който отговаря на съдържанието на сценария.

Въпреки всичкия труд, ръцете все още остават изключително трудни за ИИ, дори повече от лицата.

Това е така, защото устата ни се движи по сравнително малки и предсказуеми начини, докато говорим, което прави възможно синхронизирането на аватара с речта. Но ръцете ние движим по много различни начини, с доста по-малка възможност за предвиждане. От друга страна, докато лицата изискват голямо внимание към детайлите, защото сме склонни да се фокусираме върху тях, ръцете могат да бъдат по-малко прецизни. Това позволява допускането на някои компромиси.

Дори и да са несъвършени, генерираните от изкуствен интелект ръце и тела добавят много към илюзията за реализъм.

Това крие сериозни рискове във време, когато дълбоките фалшификати и онлайн дезинформацията се разпространяват все по-активно. Synthesia има строги политики за модериране на съдържание, като внимателно проверява както своите клиенти, така и вида съдържание, което могат да генерират. Например само акредитирани новинарски издания могат да генерират съдържание за новини. Все пак винаги трябва да бъдем нащрек.