മൊണാലിസയിലെ ​ഗായികയെ പുറത്തെടുത്ത് മൈക്രോസോഫ്റ്റ്; ചിരിയടക്കാനാകാതെ കാഴ്ചക്കാർ

ലോകപ്രശസ്ത പെയിന്റിം​ഗായ മൊണാലിസയെ പാട്ടുപാടിപ്പിച്ച് മൈക്രോസോഫ്റ്റ്. കമ്പനി പുതിയതായി അവതരിപ്പിച്ച ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡൽ ഉപയോ​ഗിച്ചാണ് പാട്ടുപാടുന്ന മൊണാലിസയെ സൃഷ്ടിച്ചത്.

മനുഷ്യന്റെ മുഖചിത്രം നൽകിയാൽ അത് സംസാരിക്കുന്ന രൂപത്തിലാക്കി മാറ്റാനുള്ള എഐ മോഡലാണ് മൈക്രോസോഫ്റ്റിന്റെ പുത്തൻ ടൂൾ. ഇതുപയോ​ഗിച്ച് ഹൈപ്പർ-റിയലിസ്റ്റിക് വീഡിയോകൾ തയ്യാറാക്കാമെന്ന് മൈക്രോസോഫ്റ്റ് അവകാശപ്പെടുന്നു. VASA-1 എന്നാണ് എഐ ആപ്പിന്റെ പേര്. ഇത് ഇമേജിനെ വീഡിയോ രൂപത്തിലാക്കും. സ്റ്റിൽ ഫോട്ടോ നൽകിയാൽ ആനിമേഷൻ കൊടുത്ത് വീഡിയോ ആക്കി മാറ്റാനും ആപ്പിന് സാധിക്കും.

വീഡിയോ ആർട്ടിഫിഷ്യലായി തയ്യാറാക്കിയതാണെന്ന് തോന്നാതിരിക്കാൻ മാറി മാറി വരുന്ന മുഖഭാവങ്ങളും തലയനക്കങ്ങളും നൽകും. സ്റ്റിൽ ഫോട്ടോയിലുള്ള വ്യക്തിയുടെ പുരികവും കണ്ണുമെല്ലാം ചലിപ്പിക്കും. കൂടാതെ ഓഡിയോക്ക് അനുസൃതമായ രീതിയിൽ ചുണ്ടനക്കുന്ന വിധത്തിലാകും ഫൈനൽ ഔട്ട്പുട്ട്. ആദ്യ കാഴ്ചയിൽ എഐ വീഡിയോ ആണെന്ന് തോന്നിപ്പിക്കാത്ത വിധത്തിൽ വീഡിയോ തയ്യാറാക്കാൻ ഇത് സഹായിക്കുന്നു.

പുതിയ എഐ മോഡലിന്റെ പ്രവർത്തനക്ഷമത ലോകത്തിന് മുന്നിൽ തെളിയിക്കുന്നതിനായാണ് ലിയനാർഡോ ഡാവിഞ്ചിയുടെ മൊണാലിസ ചിത്രത്തെ തന്നെ പരീക്ഷിച്ചുകൊണ്ട് മൈക്രോസോഫ്റ്റ് വീഡിയോ ഇറക്കിയത്.

ചുരുക്കി പറഞ്ഞാൽ VASA-1 ഉപയോ​ഗിച്ച് സിം​ഗിൾ ഇമേജിലുള്ള വ്യക്തിയെ സംസാരിക്കുന്ന വിധത്തിലോ പാട്ടുപാടുന്ന രൂപത്തിലോ മാറ്റാൻ കഴിയും. മോണാലിസയുടെ വൈറലായ പാട്ടുകാണാം..

Microsoft just dropped VASA-1.

This AI can make single image sing and talk from audio reference expressively. Similar to EMO from Alibaba

10 wild examples:

1. Mona Lisa rapping Paparazzi pic.twitter.com/LSGF3mMVnD

— Min Choi (@minchoi) April 18, 2024