Spoločnosť ByteDance, materská firma TikToku, predstavila svoj nový AI model OmniHuman-1, ktorý dokáže z jediného obrázka a zvukového záznamu vytvoriť mimoriadne realistické videá ľudí, ktorí hovoria, spievajú alebo sa prirodzene pohybujú. Model využíva pokročilé technológie na synchronizáciu pier a gest s rečou či hudbou, čím posúva hranice generatívnej umelej inteligencie. Podľa Digital Information World, ide o významný pokrok v oblasti umelej inteligencie.
Kľúčové vlastnosti OmniHuman-1
Podľa Forbes, model ponúka:
- Multimodálne podmienky – umožňuje kombinovať rôzne vstupy, ako sú obrázky a zvukové klipy, na tvorbu realistických videí.
- Realistická synchronizácia pier a gest – presne zosúlaďuje pohyby pier a gestá s rečou alebo hudbou.
- Podpora rôznych vstupov – dokáže pracovať s portrétmi, polovičnými aj celými postavami a dosahuje vysokú kvalitu aj pri slabších signáloch, ako je iba zvuk, uviedol OmniHuman Lab.
- Všestrannosť naprieč formátmi – generuje videá v rôznych pomeroch strán, čo umožňuje široké spektrum kreatívnych aplikácií.
- Fotorealistické výstupy – model vytvára videá s presnými výrazmi tváre, gestami a synchronizáciou, uviedol DataCamp.
Možnosti využitia
Podľa OmniHuman-1.com, sú hlavné využitia nasledovné:
- Spev: Model dokáže oživiť hudbu tým, že zachytí nuansy piesne a preloží ich do prirodzených pohybov tela a výrazov tváre.
- Virtuálni influenceri a vzdelávací obsah: Generovanie realistických hovoriacich avatarov pre marketing, edukáciu a zábavu.
- Animácia karikatúr a zvierat: Možnosť animovať nielen ľudí, ale aj kreslené postavičky či zvieratá.
Etické riziká a bezpečnosť
S pokrokom v generatívnej AI rastú aj obavy z jej potenciálneho zneužitia. Podľa Economic Times, môže technológia prispieť k šíreniu deepfake videí a podvodov, čo vyvoláva potrebu regulácií a bezpečnostných opatrení.
OmniHuman-1 predstavuje významný krok vpred v oblasti AI generovaného obsahu a otvára nové možnosti pre tvorbu videí. Zároveň však upozorňuje na potrebu zodpovedného používania tejto technológie, aby sa predišlo jej zneužitiu.
Čo sú to deepfake videá?
Deepfake videá sú multimediálne obsahy vytvorené pomocou umelej inteligencie, ktoré realisticky zobrazujú osoby hovoriace alebo konajúce veci, ktoré sa v skutočnosti nestali. Názov vznikol spojením slov „deep learning“ (hĺbkové učenie) a „fake“ (falošný). Tieto technológie využívajú algoritmy strojového učenia na analýzu a replikáciu hlasu, mimiky a pohybov konkrétnej osoby, čo umožňuje vytvárať veľmi presvedčivé falošné záznamy.
Využitie a riziká deepfake videí
Hoci deepfake technológia má potenciál pre kreatívne využitie, ako je filmová produkcia alebo zábavný priemysel, predstavuje aj významné riziká. Môže byť zneužitá na šírenie dezinformácií, poškodzovanie reputácie jednotlivcov alebo na podvody. Preto je dôležité byť obozretný pri hodnotení online obsahu a overovať jeho pravosť z dôveryhodných zdrojov.
Ako vznikajú deepfake videá?
Ak máte záujem dozvedieť sa viac o tom, ako vznikajú deepfake videá, odporúčame pozrieť si rozhovor s odborníkom na umelú inteligenciu Martinom Spanom. V tomto rozhovore vysvetľuje proces tvorby deepfake videí a diskutuje o ich potenciálnych dopadoch na spoločnosť:
