在最新人工智能（AI）技术的加持下，达芬奇名作中的蒙娜丽莎不只是淡淡微笑，还可以眉飞色舞地唱起RAP。

近日，微软推出最新AI模型VASA-1，新技术的亮点是可将人的静态图像和语音音频片段生成逼真的视频。

之前OpenAI推出的Sora是“文生视频”，VASA-1可以说是“图生视频”。

按照微软的说法，VASA-1生成的视频可以做到人物口型与音频完美同步，还能展现丰富的面部表情和自然的头部动作，使整个视频显得既真实又充满活力。

VASA-1不仅能对真人图像或照片施展“魔法”，还能让静态的卡通人物或艺术作品中的人物开口说话、唱歌。

比如达芬奇名画《蒙娜丽莎》可以“演绎”RAP说唱。

在微软演示的这段视频中，蒙娜丽莎秒变活力四射的歌手，唱起了安妮·海瑟薇在一档脱口秀节目中创作和表演的说唱歌曲。

微软研究人员表示，他们用大量人类说话时的面部表情视频训练新AI模型，包括口型变化、面部表情、目光凝视和眨眼等，使得生成的视频栩栩如生。此外，新模型还能控制或设定人物的视线方向或特定表情。

不过，VASA-1的“图生视频”被认为仍然留有机器生成的痕迹。例如，眨眼还不够频繁自然，眉毛动作也略显夸张。

研究人员承认，该模型和其他AI模型一样，在处理头发等元素方面仍有困难。

但微软方面称，VASA-1仍优于其他类似模型，为AI数字人未来能更像真人一样与人实时互动铺平道路。

在应用领域，VASA-1还能为有沟通障碍者提供支持，甚至有望为人类创造虚拟伴侣。

社交媒体上，不少网友对微软新AI模型生成的视频逼真度感到惊讶，形容其“真实得可怕”。还有评论说，“太疯狂、太怪异、太恐怖了”。

微软表示，这一最新AI模型确实存在被滥用的风险，比如用来冒充真人进行欺诈或传播虚假信息。

为此，微软迄今尚未公开发布VASA-1。研究人员说，需要确定这项技术能按照适当的规定被负责任地使用时才会发布。

（视频素材来自社交媒体X等。编辑邮箱：ylq@jfdaily.com）