OpenAI 發表 Sora 文字生成影片時，就已經讓不少 YouTuber 覺得自己的工作快被取代，稍早 Google Researcher 揭露的全新 VLOGGER AI 技術，一定會感受更深刻，不需要文字，只需上傳一張自己的圖片，這項 AI 技術就能轉變成會說話的影片，意味著未來不需要真的露臉拍片，靠它就能輕鬆製作出 VLOGGER 影片。
人人都能當影片創作者！Google Researcher 揭露全新 VLOGGER AI 技術，給一張圖片就能生成影片 + 人說話
近日 Google Researcher 在網站中揭露他們最新開發出的 VLOGGER AI 技術，根據說明，這是一個基於單張人物圖片，搭配上文字和聲音就能生成人類說話的影片，其原理主要有二大核心，首先是「能夠把人物動作轉化成 3D 隨機擴散模型 」、其次是「創新的擴散架構，為文字到圖片轉化提供時間和空間上的控制」。
透過這二個核心，VLOGGER AI 就能建立出高品質且長短不一的影片，而且能夠對人臉和身體進行高層次描述，進而做到細節控制，讓人說話起來更加自然。
https://twitter.com/EyeingAI/status/1769730077476917694
從說明來看，聲音部分似乎也能自己匯入，代表說應該可以使用克隆自己的 AI 聲音，這對創作影片來說就非常實用，而且講話的嘴形也會符合當前語言，如：如果你是拍攝西班牙語，那影片中的嘴形就會變成講西班牙話，真的厲害。未來搞不好就算你不懂外語，也能輕鬆製作出多國語言的影片。
當然，目前也不是零缺點，即使轉成影片後的人像有表情，但看起來是沒那麼自然，特別是眼睛處最明顯，有時候會出現不自然的眨眼。
這項技術跟 OpenAI 的 Sora 有很大不同，Sora 是文字生成影片，無法針對單一圖片轉變成影片，而且也沒有聲音，不過如果將這兩項技術所生成的影片結合起來，那就會變得相當強大。
Google Researcher 也提到，為此他們建立一個新的、更多元的數據集 MENTOR，其規模是先前數據集大一個量級，包含 2,200 小時、800,000 個不同人物、以及一個 120 小時和 4,000 個人物的測試集。
話說回來，隨著 AI 生成影片越來越強大，之後假新聞、假消息事件一定會變更多，尤其是這種上傳人像圖片就能轉成會說話的影片，因此未來該如何盡量避免這類情形發生，可說是每一間 AI 公司都需要思考的重點。
而對於創作者來說，也需要多多接觸這類 AI 工具，才不會被這波 AI 創作給吞噬，甚至可以提升自己的創作效率。想更深入了解 VLOGGER AI 技術的讀者，可以點我閱讀相關文件。
VLOGGER AI 還能做到編輯影片，控制影片中講者的眼睛和嘴巴：