A Microsoft revelou recentemente o VASA-1, uma nova ferramenta de inteligência artificial capaz de transformar imagens estáticas em vídeos curtos. Essa tecnologia utiliza deepfake e consegue sincronizar os lábios com um áudio, além de reproduzir expressões faciais próximas da realidade. A IA não se limita a imagens de pessoas reais, mas também é capaz de gerar vídeos de representações artísticas, como a animação da Mona Lisa cantando rap. A Microsoft não planeja disponibilizar a ferramenta ao público devido ao impacto negativo de seu uso indevido, mas pretende incorporar a tecnologia em seus serviços, como o Microsoft Teams.
Uma possível aplicação do VASA-1 no Microsoft Teams seria permitir que os usuários façam videochamadas com a câmera desligada, animando a imagem de perfil e sincronizando os lábios com o conteúdo do áudio em tempo real. Apesar do Teams já permitir o uso de avatares em videoconferências, a nova IA poderia levar essa funcionalidade a um novo nível, utilizando imagens reais das pessoas nas representações. A preocupação da Microsoft no momento é aprimorar as representações de humanos do VASA, buscando reproduzir nuances de expressões faciais e movimentos corporais de forma mais realista.
