தொழிநுட்பத்தின் அதிஉச்ச கட்டம்: பாடல் பாடும் மோனலிசா ஓவியம்- வைரலாகும் காணொளி

உலக புகழ்பெற்ற மோனலிசா ஓவியம் பாடலொன்றை பாடும் வகையில் வெளியாகியுள்ள காணொளியானது தற்போது பேருபொருளாகியுள்ளது. மைக்ரோசாப்ட் சமீபத்தில் ஒரு புதிய செயற்கை நுண்ணறிவு (AI) மாதிரியை அறிமுகப்படுத்தியது.

இது மனித முகங்கள் பேசும் மிக யதார்த்தமான காணொளிகளை உருவாக்க முடியும்.

VASA-1 என அழைக்கப்படும், AI இமேஜ்-டு-காணொளி மாதிரியானது மக்களின் முகங்களின் ஸ்டில் புகைப்படங்களை உயிரோட்டமான அனிமேஷன்களாக மாற்றும் திறனை கொண்டது.

மாலைதீவு தேர்தல்: இந்தியாவுக்கு மற்றுமொரு பேரிடி

மோனலிசா ஓவியம்

உருவாக்கப்பட்ட காணொளிகளில் ஓடியோவுடன் ஒத்துப்போகும் உதடு அசைவுகள் மற்றும் முகபாவங்கள் மற்றும் தலை அசைவுகள் இயற்கையாகவே தோன்றும் என்று நிறுவனம் தெரிவித்துள்ளது.

சமீபத்தில் இந்த செயலியின் திறன்களை வெளிப்படுத்தும் காணொளி சோசியல் மீடியாவில் பெரும் வைரலானது.

செயற்கை நுண்ணறிவு மூலம் உருவான அந்த காணொளிகளில் லியோனார்டோ டாவின்ஸி வரைந்த உலகப் புகழ்பெற்ற மோனலிசா ஓவியம் அன்னி ஹேத்வேயின் Paparazzi பாடலுக்கு வாயசைத்து பாடுகிறது.

இலங்கையில் கண்டுபிடிக்கப்பட்டுள்ள பல்லாயிரங்கோடி மதிப்பிலான மிகப்பெரிய இரத்தினக்கல்

 AI செயலி

இந்த காணொளியை பார்த்த பலரும் இது எப்படி சாத்தியம் என ஆச்சர்யமடைகின்றனர். இந்த மோனலிசா காணொளி தொடர்பில் பலரும் பல கருத்துக்களை தெரிவித்துள்ளனர்.

இப்படி தவறான முறையில் காணொளிகளை உருவாக்குவதும் பயன்படுத்துவதும் குறித்து சிலர் தங்கள் கவலைகளை வெளிப்படுத்தியுள்ளனர்.

புகைப்படங்களில் இருக்கும் முகங்களை VAS மூலம் நிஜ மனிதர்கள் போல் பேசும் கட்டமைப்பை VASA கொண்டுள்ளதாக மைக்ரோசாஃப்ட் நிறுவனம் கூறுகிறது.

வைரல் காணொளி

VASA-1 செயலி ஆடியோவோடு நன்றாக ஒத்திசையும் உதடு அசைவுகளை உற்பத்தி செய்வதோடு வெவ்வேறு வகையான முக பாவனைகளையும் இயற்கையான தலை அசைவுகளையும் உருவாக்குகிறது.

இந்த தொழில்நுட்பம் முறையாகவும், பொறுப்பாகவும் சரியான ஒழுங்குமுறையோடும் பயன்படுத்தப்படும் என்ற நம்பிக்கை எங்களுக்கு முழுமையாக வரும் வரையில், இதன் நிகழ்நிலை டெமோ, API, பொருள், இதை செயல்படுத்துவதற்கான மேலதிக தகவல்கள் அல்லது இது சம்மந்தமான விவரங்கள் எதையும் வெளியிடும் திட்டம் எங்களிடம் இல்லை என மைக்ரோசாஃப் நிறுவனம் தெரிவித்துள்ளமை குறிப்பிடத்தக்கது.

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