(資料圖)

阿里云近日推出了一款名為Live Portait的數字人視頻生成工具。用戶只需上傳一張照片和一段文本或語音，就能生成一段能開口說話的數字人視頻。這項功能可應用于視頻直播、聊天機器人、企業營銷等場景，目前已在魔搭社區創空間開放體驗。隨著對話大模型和AI繪畫模型的熱度不減，業界對生成式AI的研究逐步朝更多模態的方向演進，其中AI視頻生成技術備受關注。這項技術能將文本或音頻等信息轉換為面部運動信息，進而驅動生成照片人物形象的動畫，有效降低了視頻拍攝和制作的門檻。Live Portait工具由運動模塊和生成模塊組成，采用阿里云自研的口型預測算法，使得生成的口型準確度大幅提高。在訓練階段，工具增加了姿態的顯式控制，無需底板視頻也可以生成任意動作的視頻，大幅提升了數字人說話的真實感。此外，通過眼神主動控制技術，Live Portait可以為眼球增加一些自然運動，使得生成結果在觀感上更接近真人效果。據了解，Live Portait相關技術已被CVPR、ICCV等國際AI頂會收錄。在魔搭社區上，用戶在上傳照片后，可選擇文本驅動和音頻驅動兩種方式，文本驅動模式下，該工具提供了普通話、英語、粵語、童聲等28種聲音。此外，Live Portait還提供了輕量模型選擇，幫助用戶更快速生成視頻。阿里云的工具算法負責人張邦表示：“Live Portait集成了團隊多項自研創新技術，例如僅需單張圖片就能生成逼真的面部動畫，突破了傳統對抗生成網絡的局限。隨著技術的進一步迭代，圖生視頻有巨大的應用空間，有望成為企業降本增效的生產工具。”據悉，該團隊研究方向涵蓋數字人、3D模型AI生成、高真實感渲染、自然人機交互等領域，目前已發表50多篇國際頂會論文。

關鍵詞：