Pesquisadores da Microsoft divulgaram um artigo nesta semana sobre a 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 disponibilizar a nova ferramenta ao 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 tirando 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, depois de alimentado com 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 a VASA-1 parece ter dificuldade é a renderização dos dentes. Se você se concentrar nos dentes, eles podem adquirir uma qualidade caricata, parecendo levemente animados de uma forma que não se encaixa completamente com a qualidade hiper-realista de todo o resto.
Os estranhos dentes do vídeo se tornam ainda mais evidentes quando você diminui a velocidade de tudo, como o Gizmodo fez no GIF abaixo. (Pode quase te fazer sentir mal por criticar a aparência de alguém até 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 vídeos de alta qualidade relativamente rapidamente, algo com o qual outros geradores de IA, como o OpenAI’s Sora, supostamente têm lutado. 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 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 para lançá-la rapidamente ao público. No entanto, os pesquisadores também identificaram casos de uso que acreditam ser úteis para a humanidade.
“Os benefícios – tais como o aprimoramento da equidade educacional, a melhoria da 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 a IA de forma responsável, com o objetivo de avançar o bem-estar humano”, diz o artigo.
“Dado esse contexto, não temos planos de lançar um demo online, API, produto, detalhes de implementação adicionais ou quaisquer ofertas relacionadas até termos certeza de que a tecnologia será usada de forma responsável e de acordo com regulamentações adequadas.”
Isso provavelmente é uma boa ideia, dada a quantidade de fraudes 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 parece impotente contra as farsas geradas por IA no momento. E grandes empresas como a Microsoft provavelmente deveriam fazer tudo ao seu alcance para limitar o potencial de danos antes que virtualmente tudo na internet se torne falsidade.
