VASA-1, die KI von Microsoft, die ein Deepfake mit einem Foto und einer Tonaufnahme erstellt.

VASA-1, die KI von Microsoft, die ein Deepfake mit einem Foto und einer Tonaufnahme erstellt.

Die neueste Entwicklung von Microsoft, VASA-1, hat Aufsehen erregt, da sie die Fähigkeit besitzt, Deepfakes zu erstellen, indem sie ein Foto und eine Tonaufnahme kombiniert. Diese bahnbrechende KI-Technologie hat das Potenzial, die Grenzen der Realität zu verschwimmen und stellt neue Herausforderungen im Umgang mit digitalen Manipulationen dar. Experten warnen vor den möglichen Auswirkungen auf die öffentliche Meinungsbildung und die Sicherheit von Individuen. Microsoft betont jedoch, dass VASA-1 auch für positive Anwendungen genutzt werden kann, wie beispielsweise in der Unterhaltungsindustrie oder der Medizin.

Microsofts neue KI VASA generiert hyperrealistische Deepfakes aus Fotos und Tonaufnahmen

Ein einfaches Foto und eine Tonaufnahme reichen aus, damit VASA-1, die neue generative KI von Microsoft, innerhalb von Sekunden einen Deepfake erstellt. Es ist uns schon bekannt, aber noch nie war es so realistisch und in Echtzeit. VASA-1 ist eine generative Künstliche Intelligenz, die lediglich ein Passfoto und einen kurzen Audiokommentar benötigt, um sofort einen hyperrealistischen Deepfake mit synchronisierten Lippen, natürlichen Gesten und Kopfbewegungen zu generieren. Dies können Sie in diesem Video sehen: Sehr realistisches Ergebnis aus einer simplen statischen Aufnahme.

VASA: Die gefährliche KI von Microsoft, die Deepfakes in Echtzeit erstellt

Alle Personen, die in den Bildern dieser Nachricht zu sehen sind, existieren ebenfalls nicht, sie wurden ebenfalls von einer KI erstellt, namentlich StyleGAN2 und DALL·E 3. Alles, was Sie hier sehen, ist nicht echt. VASA-1, eine zu gefährliche KI, um sie freizusetzen. Die wichtigsten Innovationen beinhalten ein holistisches Modell für Gesichtsdynamik und Kopfbewegungsgenerierung, das in einem latenten Gesichtsraum funktioniert, wie in der Pressemitteilung von Microsoft erklärt wird.

Hinter VASA-1 steht Microsoft Asia, ein Team von KI-Experten, darunter Sicheng Xu, Guojun Chen, Yu-Xiao Guo, Jiaolong Yang, Chong Li, Zhenyu Zang, Yizhong Zhang, Xin Tong und Baining Guo. Die Schöpfer versichern, dass VASA-1 jede andere auf die Erstellung virtueller Avatare spezialisierte KI übertrifft. VASA-1 zeichnet sich durch die Erzeugung von hochwertigem Video in Echtzeit mit realistischer Gesichtsdynamik und Kopfbewegungen aus, mit einer Auflösung von bis zu 512 x 512 Pixeln und 40 fps sowie einer Latenz von weniger als 170 ms, unter Verwendung einer RTX 4090 Grafikkarte.

VASA-1 kloniert nicht die Stimme, d.h. sie kann keinen neuen Ton erzeugen. Sie verwendet die uns bereitgestellte Aufnahme. Aber die Lippen synchronisation ist wirklich spektakulär. Microsoft hat diese generative KI nicht entwickelt, um Deepfakes zu erstellen, sondern um realistische Avatare zu entwerfen, die menschliche Konversationsverhalten nachahmen.

Obwohl die Avatare automatisch generiert werden können, verfügt VASA-1 über eine Reihe von Anpassungsparametern, um den virtuellen Charakter fröhlicher, ernster, mehr oder weniger gestikulierend, usw. zu gestalten. Microsoft will mit VASA-1 keine Deepfakes erstellen, ist sich aber bewusst, dass dies das Erste ist, was die Menschen tun werden. Daher werden sie vorerst keine Demo, API oder kommerzielle Version veröffentlichen, bis wir sicher sind, dass die Technologie verantwortungsbewusst eingesetzt wird. Etwas, das niemals der Fall sein wird.