这些人工智能头像现在具有类似人类的表情

Synthesia 的新富有表现力的化身证明数字演员变得越来越有说服力。

Synthesia 富有表现力的化身之一。

人工智能 (AI) 视频生成器及其创建的头像正在快速发展。英国人工智能视频初创公司 Synthesia 希望将这项新兴技术推向下一阶段。

周三，这家初创公司宣布推出 Expressive Avatars，它可以描绘一系列栩栩如生的人类情感。富有表现力的化身是该初创公司所谓的“数字演员”的最新版本。它们具有增强的面部表情、更准确的唇形同步和逼真的人类声音——这是大多数文本到音频人工智能的机器人语气的升级。

该初创公司在声明中表示：“这项技术为数字化身带来了一定程度的复杂性和真实感，模糊了虚拟与现实之间的界限。”

Synthesia 的文本到视频平台配备了超过 160 个人工智能头像，这些头像是该初创公司在征得他们同意的情况下根据付费人类演员创建的。团队可以从头到尾协作处理视频，并创建 130 多种语言的视频。

该初创公司的目标是用他们的软件取代整个视频制作过程，但首席执行官维克多·里帕尔贝利(Victor Riparbelli)在发布演示时表示，这并不是好莱坞的目标。相反，这家初创公司专注于企业和 B2B 内容，它看到了对易于创建、引人入胜且拟人视频的需求。

Synthesia 的 Expressive Avatars 由 Express-1 AI 模型提供支持。虽然这家初创公司使用开源法学硕士来处理产品的文本元素，但 Synthesia 完全根据内部制作的内容对 Express-1 进行培训，没有任何合成内容或从网络上抓取的内容。

在演示中，Riparbelli 解释说，该初创公司雇佣了数千名演员在伦敦和纽约工作室为其 Express-1 模型录制视频，部分原因是为了避免导入现有数据集中嵌入的偏见。

“使用这种特殊的技术，获取合成内容并不是一个可行的策略，因为你最终基本上能够复制合成内容，而这正是我们试图避免做的事情，”里帕尔贝利说。 “你正试图复制人类实际说话的方式。”

Riparbelli 补充说，这个相对较小的数据集对于 Express-1 模型来说已经足够了，因为它比 Runway 或 OpenAI 的 Sora 等模型更加“狭窄和具体”。

该演示显示了一个头像，描绘了三个提示：“我很高兴”、“我很沮丧”和“我很沮丧”。与前几代 Synthesia 技术相比，该虚拟形象的说话节奏更加真实、自然。

Synthesia 在其声明中表示：“富有表现力的化身不仅仅模仿人类的语言；它们还能理解其语境。” “无论谈话是愉快的还是忧郁的，我们的化身都会相应地调整他们的表现，表现出一定程度的同理心和理解力，这曾经是人类演员的唯一领域。”

虽然与真人没有什么区别，但这些化身的逼真程度可能令人担忧——尤其是考虑到深度造假技术被滥用的情况。

该初创公司在声明中表示：“我们知道，富有表现力的化身是一项强大的新技术，它是在民主的重要一年发布的，全世界数十亿人在这一年行使投票权。” “我们已采取额外措施来防止滥用我们的平台，包括更新我们的政策以限制人们可以制作的内容类型、投资于早期发现恶意行为者、增加从事人工智能安全工作的团队以及进行实验使用 C2PA 等内容凭证技术。”

Synthesia 在周三发布之前也采取了适当的保护措施。 Synthesia 网站称，用户可以创建自定义头像，但必须得到该人的明确同意，并通过“彻底的类似 KYC 的程序”。另外，您可以随时选择退出此过程（股票演员也可以），Synthesia 将删除您的数据和肖像。该初创公司在任何情况下都不允许用户制作名人或政客的头像。

此外，Riparbelli 在视频中解释说，只有经过企业计划审查的新闻机构才能使用 Synthesia 的工具来创建新闻内容。然而，目前尚不清楚 Synthesia 使用什么标准来确定什么是新闻机构，以及这家初创公司是否对其平台创建的内容进行事实核查。

Synthesia 是内容真实性倡议的一部分，该倡议是一个由公司和组织组成的联盟，致力于开发内容来源或识别媒体来源的工具。

Synthesia 认为，富有表现力的化身将帮助企业超越基本内容需求，创建更具同理心的视频：涉及医疗保健等敏感话题的视频，或模仿真人友好和耐心的客户支持材料。

“这只是第一个版本，可以说是我们在这些模型之上构建的第一个产品，”Riparbelli 在演示中说道。 “我认为我们正在考虑在未来六到九个月内实现能力的大幅转变。”