谷歌發布VLOGGER AI模型，實現肖像朗讀音頻內容
3 月 19 日，Google 在其官方博客上發布了關于 VLOGGER AI 模型的相關信息。這是一款利用用戶提供的肖像照片和音頻內容，使人物生動地呈現音頻內容并具備豐富面部表情的人工智能程序。
具體來說，VLOGGER AI 采用一種適應虛擬肖像的多模態 Diffusion 模型，通過 MENTOR 數據庫進行訓練，涵蓋了超80萬個人物肖像及超過2200小時的視頻數據。得益于此，VLOGGER 可以生成各種族、各年齡段、穿著多樣、姿態各異的肖像視頻。
研發團隊指出，相較于之前的同類產品，VLOGGER 的獨特之處在于無需針對每個使用者進行單獨培訓，且不受限于人臉檢測和裁剪，能產出完整的圖像，且能夠處理更多元化的情境如可見的身軀或者其他身份特征，這對于真實再現人物交流過程至關重要。
谷歌將 VLOGGER 視為通往“通用聊天機器人”未來的關鍵一步，使人工智能能以自然的語音、手勢和眼神等方式與人類交互。除此之外，VLOGGER 還可用作報告、教育領域以及旁白等方面的輔助工具，并能對已有的電影進行剪輯和表情調整。
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。
舉報投訴
-
Google
+關注
關注
5文章
1772瀏覽量
57807 -
模型
+關注
關注
1文章
3313瀏覽量
49232 -
VLogger
+關注
關注
0文章
5瀏覽量
8357
發布評論請先 登錄
相關推薦
谷歌正式發布Gemini 2.0 性能提升近兩倍
在智能體時代，谷歌再次引領技術潮流，正式發布了其最新力作——Gemini 2.0。這款AI模型不僅在性能上實現了顯著提升，更是在多模態表現和
谷歌發布Gemini 2.0 AI模型
谷歌近日正式推出了新一代AI模型——Gemini 2.0。此次更新引入了名為“深度研究”的新特性，旨在為用戶提供更加全面和深入的復雜主題探索與報告撰寫輔助。 Gemini 2.0通過高級推理和長上
谷歌發布AI文生圖大模型Imagen
近日，谷歌在人工智能領域取得新突破，正式推出了Imagen文生圖模型。這款模型以其卓越的細節調整功能、逼真的光線效果以及從草圖快速生成高分辨率圖像的能力，引起了業界的廣泛關注。
谷歌推出多模態VLOGGER AI
谷歌最新推出的VLOGGER AI技術引起了廣泛關注，這項創新的多模態模型能夠讓靜態肖像圖“活”起來并“說話”。用戶只需提供一張人物
阿里巴巴推出全新AI圖生視頻模型EMO
近日，阿里巴巴集團智能計算研究院宣布推出了一款革命性的AI圖片-音頻-視頻模型技術——EMO。據官方介紹，EMO是一種先進的音頻驅動肖像視頻
谷歌發布全新AI基礎世界模型Genie
谷歌近日宣布推出其最新研發的AI基礎世界模型——Genie。這款模型擁有驚人的110億參數，其獨特之處在于，僅需一張圖片，便能生成一個充滿活力和交互性的虛擬世界。用戶可以在這個世界中逐
谷歌發布全新AI模型Genie
谷歌近日發布了其全新的AI模型Genie，這一模型徹底改變了我們與數字世界的互動方式。Genie不僅可以接收文本提示、草圖或想法，還能將這些
谷歌AI大模型Gemma全球開放使用
谷歌公司近日宣布，其全新的AI大模型Gemma現已在全球范圍內開放使用。這一重要舉措不僅彰顯了谷歌在AI領域的領先地位，還為其在全球范圍內的
谷歌發布AI基礎世界模型Genie
谷歌近日宣布了其生成式AI的全新里程碑——全新AI基礎世界模型Genie。這一創新技術允許用戶通過單張圖像提示，生成一個可玩的、交互式的虛擬環境，從而開啟了一個全新的數字體驗時代。
谷歌發布開源AI大模型Gemma
近日，谷歌發布了全新AI大模型Gemma，這款模型為各種規模的組織提供了前所未有的機會，以負責任的方式在商業應用中進行分發。
谷歌發布新型AI模型Genie
近日，谷歌推出了一款革命性的AI模型——Genie。這款模型能夠將簡單的文本提示、草圖或初步想法迅速轉化為一個可以互動和游戲的虛擬世界。這一突破性的技術無疑將改變人們創建和體驗虛擬世界
谷歌DeepMind推新AI模型Genie，能生成2D游戲平臺
據報道，谷歌公司的DeepMind團隊近期發布了AI模型Genie，此模型擁有多達110億個參數，能夠依據用戶提供的圖片及提示詞創建出相當完
谷歌發布輕量級開源人工智能模型Gemma
谷歌近日宣布推出開源人工智能（AI）模型系列Gemma，旨在為開發人員和研究人員提供一個負責任的AI構建平臺。這一舉措標志著自2022年OpenAI的ChatGPT引領
谷歌大型模型終于開放源代碼，遲到但重要的開源戰略
在人工智能領域，谷歌可以算是開源的鼻祖。今天幾乎所有的大語言模型，都基于谷歌在 2017 年發布的 Transformer 論文；谷歌的
發表于 02-22 18:14
?515次閱讀
工商網監
評論