Des chercheurs de l’Institute for Intelligent Computing du géant chinois Alibaba ont récemment dévoilé EMO (raccourci d’Emote Portrait Alive). Décrit dans un article de recherche publié le 27 février, ce nouveau modèle d’intelligence artificielle est capable d’animer des photos de portraits en générant des vidéos de personnes parlant ou chantant avec un réalisme remarquable.
«Les techniques traditionnelles ne parviennent souvent pas à capturer le spectre complet des expressions humaines et le caractère unique des styles faciaux individuels», explique Linrui Tian, principal auteur de l’article. «Pour résoudre ces problèmes, nous proposons EMO, un nouvel outil qui utilise une approche de synthèse audio-vidéo directe, sans avoir recours à des modèles 3D intermédiaires ou à des repères faciaux», ajoute-t-il. En pratique, l’IA retranscrit l’audio fourni directement en mouvements des lèvres et du visage, accompagnés des expressions faciales avec une parfaite adéquation. «Les résultats expérimentaux montrent qu’EMO est capable de produire non seulement des vidéos d’expression orale convaincantes, mais aussi des vidéos de chant dans différents styles, en surpassant de manière significative les méthodologies de pointe existantes en termes d’expressivité et de réalisme», expliquent les chercheurs d’Alibaba.
D’un jeune Leonardo di Caprio rappant sur une chanson d’Eminem, à la femme générée par l’IA Sora d’OpenAI chantant un morceau de Dua Lipa, en passant par la Joconde déclamant du Shakespeare, ou encore la célèbre actrice Audrey Hepburn chantant un tube d’Ed Sheeran, les exemples présentés sont saisissants.
Concernant les risques liés à une utilisation abusive de cette technologie pour diffuser de fausses informations, les chercheurs indiquent qu’ils prévoient de développer des méthodes de détection de vidéos générées via intelligence artificielle.
#LIA #dAlibaba #fait #parler #chanter #nimporte #quelle #photo
publish_date] pt]
