編輯|Sia
咳咳， 你還能分辨出什么是真實(shí)的嗎？
不僅說(shuō)話，它們還可以唱歌。
仔細(xì)看她的嘴巴、臉頰和眼睛，甚至胸部的起伏，動(dòng)作細(xì)節(jié)非常到位，是不是足以以假亂真？
不止是做數(shù)字「人」，任何形象——寵物、外星人，你想象得到的，都能立刻動(dòng)起來(lái)。
這就是 HeyGen 剛剛發(fā)布的 Avatar IV 模型——只需一張照片、一段腳本、一段聲音，就能生成一個(gè)以假亂真的數(shù)字人，只需幾秒。
工具鏈接：https://app.heygen.com/home
Avatar IV 亮點(diǎn)可不少。
不止能處理正臉照，還支持側(cè)臉、半身、全身等多角度圖像輸入，生成的數(shù)字人更立體、更生動(dòng)，自帶電影鏡頭感，不再是死盯鏡頭的 AI 面癱臉。
更厲害的是，它不僅能說(shuō)，還能唱。嘴型精準(zhǔn)貼合音樂(lè)節(jié)奏，連眼神、頭部、身體（比如腹部）都會(huì)隨之起伏律動(dòng)，細(xì)節(jié)拿捏到位。
核心升級(jí)來(lái)自一項(xiàng)新技術(shù)：基于擴(kuò)散模型的音頻驅(qū)動(dòng)表情引擎。
簡(jiǎn)單理解，就是這套引擎能根據(jù)語(yǔ)音的節(jié)奏、語(yǔ)氣、情緒，自動(dòng)生成對(duì)應(yīng)的表情與動(dòng)作。它不是單純對(duì)口型，而是能「聽(tīng)懂」語(yǔ)義和情緒，做出停頓、點(diǎn)頭、語(yǔ)調(diào)起伏等細(xì)膩動(dòng)作，像個(gè)真正會(huì)說(shuō)話的人。
應(yīng)用場(chǎng)景也因此拓寬了不少：動(dòng)畫視頻制作、虛擬寵物擬人化、游戲角色配音、播客內(nèi)容可視化……統(tǒng)統(tǒng)都能用上。
訂閱用戶可上傳最長(zhǎng) 30 秒的語(yǔ)音或文本，生成動(dòng)態(tài)數(shù)字人視頻，做個(gè)廣告綽綽有余。
免費(fèi)用戶則有每月 3 次機(jī)會(huì)，生成最長(zhǎng) 10 秒視頻。
好了，看看怎么玩兒。
第一步，訪問(wèn) HeyGen 官網(wǎng)，選擇「照片轉(zhuǎn)視頻」最新模型——Avatar IV。
上傳一張你想讓它開(kāi)口說(shuō)話的照片，接著輸入文字腳本+選擇聲音，或者直接上傳一段音頻。
我們上傳的是周星馳的劇照，配上哪吒的 Rap 打油詩(shī)音頻：
「天雷滾滾我好怕怕，劈得我渾身掉渣渣。突破天劫我笑哈哈，逆天改命我吹喇叭?！?/p>
注意：免費(fèi)用戶最多生成 10 秒視頻，別貪心，腳本或音頻太長(zhǎng)不會(huì)被系統(tǒng)支持。
沒(méi)有現(xiàn)成音頻？沒(méi)關(guān)系。系統(tǒng)自帶多種聲音，還能克隆自己的聲音，甚至接入第三方 API。
不過(guò)也有些小遺憾——相比英文，系統(tǒng)的中文聲音資源還不算豐富。
你可以根據(jù)方言口音、聲音性別、年齡、情緒（比如憤怒、興奮、平靜）、使用場(chǎng)景等維度篩選。
當(dāng)然，不是每個(gè)聲音都支持豐富的情緒表達(dá)。
準(zhǔn)備就緒，點(diǎn)擊「Generate」，等待片刻，成品視頻立刻送達(dá)。
嘴型精準(zhǔn)匹配，眼神、頭部、身體微動(dòng)跟隨語(yǔ)音節(jié)奏，連喉結(jié)都跟著上下浮動(dòng)，真實(shí)感拉滿。
接下來(lái)我們?cè)嚵藗€(gè)更大膽的操作：
上傳編輯部同事家邊牧的照片，讓它來(lái)一段全球爆火的《APT.》。
照片中邊牧正好伸著舌頭，導(dǎo)致數(shù)字人效果略顯出戲，但其他部分表現(xiàn)依然在線，尤其是腹部細(xì)節(jié)，做得很到位。
蘇格蘭國(guó)立美術(shù)館用 X 光掃描梵高畫作《農(nóng)婦頭像》，意外發(fā)現(xiàn)畫布背后竟藏著一幅自畫像，層層膠水和硬紙板封印多年。
于是我們嘗試：讓勃魯蓋爾筆下的名畫《老婦人的肖像》播報(bào)這則新聞——一下子，吸睛指數(shù)拉滿。
那么，問(wèn)題來(lái)了——你想做個(gè)什么樣的數(shù)字人？還等什么，快去試試吧。
以后我們會(huì)帶來(lái)更多好玩有用的 AI 評(píng)測(cè)，也歡迎大家進(jìn)群交流。
? THE END
轉(zhuǎn)載請(qǐng)聯(lián)系本公眾號(hào)獲得授權(quán)
熱門跟貼