Wie ermöglicht die KI natürliche Körperbewegungen?

Es ist ein faszinierendes Thema, darüber zu sprechen, wie KI natürliche Körperbewegungen ermöglicht. Kürzlich bin ich auf das OmniAvatar-System der Zhejiang-Universität und von Alibaba gestoßen, das ein Foto und ein Audio-Stück in animierte Ganzkörperbewegungen verwandeln kann! Es erinnert mich an die Science-Fiction-Filme, die ich als Kind gesehen habe, und ich hätte nie gedacht, dass es Wirklichkeit werden würde. Das Prinzip hinter dieser Technologie ist jedoch ziemlich komplex, und es ist nicht so einfach, wie ein paar Animationen zusammenzufügen.

Von statischer zu dynamischer Magie

Haben Sie sich jemals gefragt, warum sich viele KI-generierte Animationen immer ein wenig "unecht" anfühlen? OmniAvatar verwendet eine sehr clevere Methode - die Pixel-für-Pixel-Mehrschicht-Audioeinbettung. Einfach ausgedrückt: Die KI hört sich jede einzelne Silbe des Tons genau an und trägt dann die Tonsignatur wie Farbe auf jedes Pixel des Videos auf, Schicht für Schicht. Wenn Sie z. B. "Hallo" sagen, entsprechen "n" und "h" unterschiedlichen Mundformen und Körperbewegungen, die die KI genau wiedergeben muss.

Woher die Körpersprache kommt

Was mich am meisten überraschte, war, wie natürlich OmniAvatar sogar die Körperbewegungen handhaben konnte. Wussten Sie, dass der Avatar bei der herkömmlichen Technologie bestenfalls seinen Mund bewegen kann und sein Körper wie ein Holzmännchen aussieht? Durch die Analyse von 1 320 Stunden echter Videodaten lernt das neue System die subtilen Körperbewegungen, die Menschen beim Sprechen machen - zum Beispiel ein leichtes Absenken der Schultern bei Aufregung oder ein ungewolltes Neigen des Kopfes, wenn sie nachdenken. Es sind diese Details, die den digitalen Menschen lebensecht erscheinen lassen.

Aber es ist nicht perfekt. Ich habe festgestellt, dass Videos, die über lange Zeiträume hinweg erstellt wurden, gelegentlich noch "driften" können, wie ein alter Fernseher mit einem instabilen Signal. Die Forscher wendeten einen Trick an: Sie setzten einen "Erinnerungsanker" auf die KI - wobei sie das erste Bild als Referenz verwendeten, wie die Schnur eines Drachens - um die digitale Person immer wieder zurückzuholen und sicherzustellen, dass das Bild um sicherzustellen, dass das Bild nicht aus den Fugen gerät.

Künftige Möglichkeiten

Ehrlich gesagt, wenn diese Technologie ausgereifter wäre, gäbe es zu viele Anwendungen, als dass man darüber nachdenken könnte! Ich kann mir bereits lebensechte virtuelle Lehrer im Fernunterricht oder unermüdliche digitale Moderatoren im Live-E-Commerce vorstellen. Es gibt jedoch noch viele technische Engpässe, die überwunden werden müssen, damit die KI-Bewegungen die natürliche Geschmeidigkeit menschlicher Bewegungen erreichen können - wie z. B. der Umgang mit der Körpersprache bei der Interaktion mit mehreren Personen oder der Ausdruck subtilerer emotionaler Veränderungen.

Es scheint, dass KI, wenn sie wirklich "leben" soll, lernen muss, mehr vom Code der menschlichen Körpersprache zu beachten. Schließlich haben wir Menschen als kleine Babys mehr als zehn Jahre gebraucht, um zu lernen, natürliche und fließende Bewegungen auszuführen. Auch bei der KI ist dies ein Prozess, der Zeit braucht, um sich zu entwickeln. Aber wenn man sich das derzeitige Entwicklungstempo ansieht, werden wir vielleicht in ein paar Jahren noch mehr erstaunliche Durchbrüche erleben.

Während ich dies schreibe, fällt mir ein, dass es ein großartiges Gefühl wäre, wenn eines Tages eine digitale Person meine charakteristischen Bewegungen auf völlig natürliche Weise imitieren könnte - aufregend und ein bisschen beängstigend zugleich!