Diskursus Network – Microsoft Research Asia baru-baru ini mengumumkan pengembangan VASA-1, sebuah AI eksperimental yang mampu mengolah foto dan audio untuk menciptakan video yang realistis.
Menurut laporan Engadget yang dirilis pada Sabtu (20/4), AI ini dapat menghasilkan video dimana orang tampak berbicara dengan menggunakan hanya foto dan rekaman suara sebagai input.
VASA-1 memiliki kapasitas untuk meniru ekspresi wajah dan gerakan kepala dari sebuah foto, serta mensinkronkan gerakan bibir sesuai dengan audio yang diberikan, baik itu percakapan atau nyanyian.
Baca juga:Mengenal Drone Militer Iran dan Penggunaannya
Tim peneliti telah mempublikasikan beberapa contoh di situs proyek mereka, dan hasilnya tampak sangat realistis, membuat beberapa orang percaya bahwa video tersebut adalah nyata.
Meski gerakan kepala dan bibir dari contoh yang diberikan masih terlihat agak kaku dan kurang alami saat diperhatikan lebih dekat, ada kekhawatiran bahwa teknologi ini dapat dimanfaatkan untuk membuat video deepfake yang menyesatkan.
Peneliti menyatakan kesadaran akan risiko potensial dan telah memutuskan untuk tidak merilis demo online, API, atau rincian teknis lebih lanjut hingga mereka yakin bahwa teknologi ini akan digunakan secara bertanggung jawab dan sesuai dengan peraturan yang berlaku.
VASA-1, yang dikembangkan dengan memanfaatkan dataset VoxCeleb2 yang meliputi lebih dari satu juta klip suara dari 6.112 selebritas dari video YouTube, juga diuji coba pada gambar ikonik seperti Mona Lisa, yang dikombinasikan dengan suara aktris Anne Hathaway oleh para peneliti.
Meskipun berpotensi disalahgunakan, tim pengembang menekankan bahwa VASA-1 dapat membawa banyak manfaat, seperti meningkatkan kualitas pendidikan, memperluas aksesibilitas bagi mereka dengan keterbatasan komunikasi, dan bahkan melayani sebagai teman bicara serta pendamping terapi bagi individu yang memerlukannya.
Temukan informasi menarik lainnya Google Berita
