Verblüffend real: Neue Microsoft-KI Vasa-1 animiert Gesichter aus einzelnen Fotos

MÜNCHEN (IT BOLTWISE) – Microsoft hat mit seiner neuen Technologie Vasa-1 eine innovative Methode zur Animation von Gesichtern aus Einzelbildern vorgestellt, die sowohl beeindruckend als auch potenziell kontrovers ist.

In der Welt der generativen KI entstehen ständig neue Anwendungen, die sowohl faszinieren als auch zur Vorsicht mahnen. Vasa-1, eine Entwicklung von Microsoft, kann aus einem einzigen Porträtfoto und einem Audioclip ein Video generieren, in dem die abgebildete Person zu sprechen scheint. Dieses beeindruckende Feat wird durch präzise Lippenbewegungen und realistisch erscheinende Mimik und Kopfbewegungen ergänzt.

Laut Microsoft benötigt Vasa-1 keine umfangreichen Cloud-Infrastrukturen, sondern funktioniert bereits auf einem Desktop-PC mit einer NVIDIA RTX 4090 Grafikkarte. In einem Online-Streaming-Modus kann das Modell Videos mit 40 Frames pro Sekunde und einer Auflösung von 512 x 512 Pixeln erzeugen – und das mit einer bemerkenswert geringen Latenz von 170 Millisekunden.

Die primäre Anwendung dieser Technologie sieht Microsoft in der Erstellung virtueller Avatare für Live-Streaming-Zwecke. Jedoch ist sich das Unternehmen des Missbrauchspotenzials bewusst und hat daher entschieden, Vasa-1 vorerst nicht öffentlich zugänglich zu machen. Die Technologie soll lediglich demonstrieren, was derzeit möglich ist und dazu beitragen, die Diskussion und Forschung in diesem Bereich weiterzuentwickeln.

Ein Besuch der Projektwebsite offenbart die Vielseitigkeit von Vasa-1: Man kann dort beispielsweise sehen, wie drei unterschiedliche Frauengesichter denselben Text mit identischer Mimik rezitieren, oder ein Gesicht mit verschiedenen Emotionen denselben Text vorträgt. Auch künstlerische Anwendungen sind möglich, wie eine Animation der Mona Lisa zeigt.