Pesquisadores da Microsoft lançaram um artigo esta semana sobre o VASA-1, uma nova ferramenta de IA que pode gerar vídeos convincentes de alguém falando, usando apenas uma imagem estática. A Microsoft não tem planos imediatos de lançar a nova ferramenta para o público, mas é bastante impressionante. Bem, é impressionante se você não olhar muito de perto para os dentes. Basta dar uma olhada nesses dentes.
O modelo VASA-1 funciona pegando qualquer foto estática de um rosto humano – ou, nos exemplos publicados pela Microsoft, um rosto gerado por IA de alguém que na verdade não existe – e, após receber um arquivo de áudio, pode produzir um vídeo sincronizado que inclui nuances faciais e movimentos naturais.
Novamente, é tudo bastante impressionante, como você pode ver em um dos vídeos fornecidos pela Microsoft abaixo. Mas a área em que o VASA-1 parece ter dificuldade é ao renderizar os dentes. Se você focar nos dentes, eles podem adquirir uma qualidade caricata, aparecendo levemente animados de uma forma que não combina com a qualidade hiper-realista de todo o resto.
Os dentes bizarros do vídeo se tornam ainda mais aparentes quando você diminui a velocidade do vídeo inteiro, como o Gizmodo fez no GIF abaixo. (Isso quase pode fazer você se sentir mal por criticar a aparência de alguém até você se lembrar que a pessoa abaixo literalmente não existe.)
Outro vídeo de exemplo fornecido pela Microsoft, que aparece abaixo, mostra qualidades semelhantes e caricatas nos dentes – embora outros recursos pareçam muito realistas, especialmente quando você lembra que o único material de origem é uma imagem estática e um arquivo de áudio.
Uma das coisas mais interessantes observadas pelos pesquisadores é que o modelo pode produzir vídeos de alta qualidade relativamente rapidamente, algo com o qual outros geradores de IA, como o Sora da OpenAI, aparentemente têm lutado. De fato, o artigo menciona uma latência de apenas 0,17 segundos em um PC desktop com um único GPU NVIDIA RTX 4090.
E essa velocidade é algo que pode fornecer vídeos instantâneos para uma variedade de aplicações, como serviços de tradução em tempo real.
Os pesquisadores estão claramente cientes dos perigos nesse tipo de tecnologia, o que talvez explique por que a Microsoft ainda não anunciou planos de disponibilizá-la ao público. No entanto, os pesquisadores também identificaram casos de uso que acreditam ser úteis para a humanidade.
“Os benefícios – como aprimorar a equidade educacional, melhorar a acessibilidade para indivíduos com desafios de comunicação, oferecer companhia ou apoio terapêutico para aqueles que precisam, entre muitos outros – destacam a importância de nossa pesquisa e outras explorações relacionadas. Estamos dedicados a desenvolver IA de forma responsável, com o objetivo de promover o bem-estar humano”, diz o artigo.
“Dado esse contexto, não temos planos de lançar um demo online, API, produto, detalhes adicionais de implementação ou quaisquer ofertas relacionadas até termos certeza de que a tecnologia será usada de forma responsável e de acordo com regulamentos adequados.”
Isso provavelmente é uma boa ideia, dada a quantidade de golpes possíveis com este tipo de tecnologia. Afinal, a eleição presidencial de 2024 nos EUA está a apenas sete meses de distância. E a ameaça do fascismo global não está desaparecendo tão cedo. A humanidade realmente parece impotente contra as falsificações geradas por IA no momento. E grandes empresas como a Microsoft provavelmente deveriam fazer tudo em seu poder para limitar o potencial de danos antes que virtualmente tudo na internet se torne uma falsificação.
