Pesquisadores da Microsoft divulgaram um artigo esta semana sobre VASA-1, uma nova ferramenta de IA que pode gerar um vídeo convincente 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. Apenas dê uma olhada nesses dentes.
O modelo VASA-1 funciona pegando qualquer foto estática de um rosto humano — ou, nos exemplos publicados pela Microsoft, de um rosto gerado por IA de alguém que não existe de fato — e, após ser alimentado por um arquivo de áudio, pode produzir um vídeo sincronizado que inclui nuances faciais e movimentos naturais.
Novamente, é tudo muito 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 na renderização dos dentes. Se você focar nos dentes, eles podem ter uma qualidade meio caricata, parecendo ligeiramente animados de uma forma que não se encaixa com a qualidade hiper-realista de tudo o mais.
Os dentes bizarros do vídeo ficam ainda mais aparentes quando você diminui a velocidade de todo o vídeo, como o Gizmodo fez no GIF abaixo. (Isso quase pode fazer você se sentir mal por analisar a aparência de alguém até você lembrar que a pessoa abaixo literalmente não existe.)
Outro vídeo de exemplo fornecido pela Microsoft, que aparece abaixo, mostra qualidades semelhantes de desenho animado nos dentes — mesmo que outras características 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 seu modelo pode produzir vídeo de alta qualidade relativamente rápido, algo com que outros geradores de IA, como o Sora da OpenAI, segundo relatos, têm tido dificuldades. Na verdade, o artigo menciona uma latência de apenas 0,17 segundos em um PC desktop com uma única GPU NVIDIA RTX 4090.
E essa velocidade é algo que pode proporcionar vídeos instantâneos para uma variedade de aplicações, como serviços de tradução em tempo real.
Os pesquisadores estão claramente cientes dos perigos desse tipo de tecnologia, o que talvez explique por que a Microsoft ainda não anunciou planos para lançá-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 pessoas com desafios de comunicação, oferecer companhia ou apoio terapêutico a quem precisa, entre muitos outros — destacam a importância de nossa pesquisa e de outras explorações relacionadas. Estamos dedicados a desenvolver a 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 utilizada de forma responsável e em conformidade com regulamentações adequadas.”
Isso provavelmente é uma boa ideia, dado o número de golpes que são possíveis com esse 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 se sente impotente contra as falsificações geradas por IA no momento. E grandes empresas como a Microsoft provavelmente deveriam fazer todo o possível para limitar o dano potencial antes que praticamente tudo na internet se torne falsificação.
