معرفی OmniHuman

OmniHuman یک فریمورک هوش مصنوعی پیشرفته و جامع است که توسط محققان شرکت ByteDance توسعه یافته و توانایی تولید ویدیوهای فوق‌واقعی از انسان‌ها را تنها با استفاده از یک تصویر و یک سیگنال حرکتی (مانند صدا یا ویدیو) فراهم می‌کند. این سیستم قادر است تصاویر پرتره، نیم‌تنه یا کامل بدن را با حرکات طبیعی، ژست‌های واقع‌گرایانه و توجه دقیق به جزئیات پردازش کند.

هوش مصنوعی OmniHuman که حالا نخستین ورژن آن با نام OmniHuman-1 منتشر شده است، به‌عنوان یک مدل چندوجهی (multimodality) عمل می‌کند و با ترکیب ورودی‌های مختلف مانند تصاویر و صدا، ویدیوهای خیره‌کننده و باکیفیت تولید می‌کند. این فناوری تحولی بزرگ در حوزه تولید محتوای ویدیویی مبتنی بر هوش مصنوعی ایجاد کرده و کاربردهای گسترده‌ای در صنایع مختلف از جمله انیمیشن، تبلیغات و آموزش دارد.

هوش مصنوعی OmniHuman چه کار می‌کند؟

هوش مصنوعی OmniHuman به شما این قابلیت را می‌دهد که یک عکس از انسان (چه چهره، چه کل بدن) ارسال کنید و سپس بگویید چه می‌خواهید. مثلا می‌توانید صدایی را بفرستید و بگویید که این جمله را لبخوانی کند. یا مثلا بگویید که به دست‌هایش را بالا ببرد و یا حتی برقصد. هوش مصنوعی OmniHuman با کیفیتی بی نظیر این کار را برای شما انجام می‌دهد. در حدی که شاید ساختگی بودن آن را تشخیص ندهید.

ساخت دیپ فیک با OmniHuman

دیپ فیک با جعل عمیق یکی از چالش‌های بزرگ دنیای هوش مصنوعی است. دیپ فیک‌ها شامل ویدئوها، تصاویر و یا صداهای ساختگی هستند که واقعیت ندارند و می‌توان از آن‌ها سو استفاده کرد. حالا کیفیت و واقع‌گرایانه بودن هوش مصنوعی OmniHuman سبب شده است که ترس از گسترش دیپ فیک‌ها در جامعه بیشتر شود.

استفاده از OmniHuman-1

هوش مصنوعی OmniHuman-1 هنوز به‌صورت عمومی عرضه نشده و در مرحله‌ی آزمایشی قرار دارد. در واقع، علی‌رغم ارائه نمونه‌های نمایشی از قابلیت‌های این مدل در تولید ویدیوهای دیپ‌فیک با کیفیت بالا، پلتفرم یا سایتی جهت استفاده‌ی عمومی از آن در دسترس نیست.

در این مرحله، شرکت بایت‌دنس تصمیم گرفته است تا OmniHuman-1 را به‌عنوان یک پروژه‌ی تحقیقاتی معرفی کند و برای کاربردهای گسترده در آینده، اطلاعات بیشتری منتشر شود. برای دریافت به‌روزترین اخبار و اطلاعیه‌های رسمی، پیگیری منابع معتبر خبری توصیه می‌شود.