Es un tema fascinante hablar de cómo la IA permite movimientos corporales naturales. Hace poco conocí el sistema OmniAvatar de la Universidad de Zhejiang y Alibaba, capaz de convertir una foto y un fragmento de audio en movimientos animados de cuerpo entero. Me recuerda a las películas de ciencia ficción que veía de niño, y nunca pensé que llegaría a hacerse realidad. Sin embargo, el principio de esta tecnología es bastante complejo, y no es tan sencillo como empalmar unas cuantas animaciones.

De la magia estática a la dinámica
¿Te has preguntado alguna vez por qué muchas animaciones generadas por IA siempre parecen un poco "falsas"? OmniAvatar utiliza un método muy inteligente: la incrustación de audio multicapa píxel a píxel. En pocas palabras, la IA escucha atentamente cada sílaba del audio y luego aplica la firma sonora como si fuera pintura a cada píxel del vídeo, capa por capa. Por ejemplo, cuando dices "hola", la "n" y la "h" corresponden a diferentes formas de la boca y movimientos del cuerpo, que la IA tiene que reproducir con precisión.
De dónde procede el lenguaje corporal
Lo que más me sorprendió fue lo natural que OmniAvatar era capaz de manejar incluso los movimientos del cuerpo. ¿Sabías que la tecnología tradicional permite al avatar mover la boca en el mejor de los casos, y el cuerpo como un hombre de madera? Mediante el análisis de 1.320 horas de datos de vídeo reales, el nuevo sistema aprende los sutiles movimientos corporales que hacen los humanos cuando hablan: por ejemplo, una ligera caída de los hombros en caso de excitación o una inclinación involuntaria de la cabeza cuando están pensando. Son estos detalles los que hacen que el ser humano digital parezca real.
Pero no es perfecto. He observado que los vídeos generados durante largos periodos de tiempo aún pueden "desviarse" ocasionalmente, como un viejo televisor con una señal inestable. Los investigadores utilizaron un truco: dieron a la IA un "ancla de memoria" -utilizando el primer fotograma de la imagen como referencia, como la cuerda de una cometa- para que siguiera tirando de la persona digital hacia atrás, asegurándose de que la imagen para asegurarse de que la imagen no se descarrila.
Posibilidades futuras
Sinceramente, si esta tecnología estuviera más madura, ¡habría demasiadas aplicaciones en las que pensar! Ya puedo imaginarme profesores virtuales que parezcan vivos en la educación a distancia, o presentadores digitales que no se cansen nunca en el comercio electrónico en directo. Sin embargo, aún quedan muchos cuellos de botella técnicos por superar para que los movimientos de la IA alcancen la suavidad natural del movimiento humano, como el lenguaje corporal cuando se interactúa con varias personas o la expresión de cambios emocionales más sutiles.
Parece que para que la IA pueda "vivir" de verdad, necesita aprender a observar más el código del lenguaje corporal humano. Al fin y al cabo, los seres humanos, desde bebés pequeños, no tardamos también más de diez años en aprender a hacer movimientos naturales y fluidos? Para la IA, también es un proceso que lleva tiempo acumular. Pero a juzgar por el ritmo actual de desarrollo, quizá veamos avances aún más asombrosos dentro de unos años.
Mientras escribo esto, se me ocurre que sería una sensación increíble que un día una persona digital pudiera imitar mis movimientos característicos de forma totalmente natural: ¡emocionante y un poco aprensivo al mismo tiempo!
评论列表 (3条):
加载更多评论 Cargando...