微软炸裂级单图生数字人，Sora同款思路，网友：“比AI刘强东还真”

微软发布了一项革命性的技术，名为VASA-1，它能通过单张图片生成逼真的数字人视频。网友们对这一成果惊叹不已，称其为“炸裂级效果”，甚至有人表示它比AI刘强东的形象更为真实。这项技术突破了传统界限，仅需上传人脸图片和音频，即使是非真人内容也可实现高度模拟，如让蒙娜丽莎说唱或模仿名人场景。视频中的数字人表现出丰富的性别、年龄和种族特征，且口音各异，动作流畅自然，包括眼神交流和微表情，尽管眼睛细节仍有破绽，但已被赞誉为目前最佳演示。VASA-1的关键技术包括潜空间动作编码、人脸潜编码学习和头部运动生成模型，其中后者采用与Sora相似的Diffusion Transformer架构。该系统能实时生成高质量视频，如512x512分辨率，使用RTX4090显卡即可达到40fps。然而，随着技术的发展，人们对AI生成内容的伦理问题产生了质疑，尤其是考虑到诈骗和误导的风险。微软团队强调，他们的研究旨在创造具有视觉情感的数字人，而非用于欺骗，但警告可能被滥用。目前，VASA-1仅限于论文发布，暂无Demo或开源计划，且技术仍有改进空间。面对AI造假成本的降低，公众和业界都在思考如何在科技进步与伦理道德之间找到平衡。尽管如此，正如网友所述，我们无法阻止技术的进步，只能适应并管理其潜在影响。论文和更多详情可参考相关链接。