Biến ảnh thành video biết nói với Microsoft VASA-1

Microsoft vừa giới thiệu sáng kiến mới mang tên VASA-1 nhằm đưa cho AI một bức ảnh của ai đó và một đoạn âm thanh giọng nói của họ, và AI sẽ mô phỏng một video về người đó đang trò chuyện.

Về cơ bản, chỉ từ một hình ảnh và một đoạn video âm thanh dài một phút của giọng nói một ai đó, người dùng sẽ có được những khuôn mặt biết nói đầy đủ này, hoàn chỉnh với nét mặt, chuyển động đầu và mắt giống như thật, hát nhép hoàn toàn… Nói tóm lại, toàn bộ tác phẩm cần phải trông giống như một video hoàn toàn thực tế về người được nói đến bày tỏ suy nghĩ của họ về bất kỳ chủ đề nào, tất cả đều được AI tạo ra trong thời gian thực.

Giống như vấn đề với bất kỳ phương pháp tạo video AI nào, khả năng xảy ra các clip giả mạo trong đó ai đó có thể trở thành nạn nhân của một video chơi khăm khiến họ trở thành nạn nhân, đặc biệt với deepfake, là điều rất đáng lo ngại. Vì vậy, Microsoft trấn an rằng họ sẽ không phát hành VASA-1 ra bên ngoài. Thay vào đó, công ty đang tìm cách khám phá những lợi ích tiềm năng của VASA-1 để triển khai cho những tổ chức cụ thể như các trung tâm chuyên môn làm việc với những người có vấn đề giao tiếp khác nhau, hoặc cần sự hỗ trợ trị liệu cho những người có nhu cầu.

Cũng như các nhà sản xuất khác, Microsoft phản đối việc sử dụng công nghệ để tạo ra các nội dung gây hiểu lầm hoặc có hại cho người thật, đồng thời có ý định áp dụng các kỹ thuật để nâng cao việc phát hiện nội dung giả mạo. Ví dụ, video được tạo bằng VASA-1 vẫn chứa “các hiện vật có thể nhận dạng được” và “phân tích số cho thấy vẫn có lỗ hổng để đạt được tính xác thực của video thực”.

Vấn đề đặt ra là, ở thời điểm hiện tại nhiều người có thể nhận biết ra một video có thể là giả mạo, nhưng đến một thời điểm nào đó trong tương lai, liệu các AI có thể làm tốt việc này đến mức mọi người đều không thể nhận diện. Ở giai đoạn đó, vấn đề fakenews, nội dung xấu nhằm phỉ báng người khác có thể gây ra những trở ngại không nhỏ. Điều này hoàn toàn khó tránh khỏi khi nhìn vào những video và nội dung giả mạo đã được triển khai trong thời gian qua, đặc biệt trên YouTube đến mức nền tảng này đã chuyển sang các quy tắc để người tải lên gắn nhãn rõ ràng cho “nội dung tổng hợp” do AI tạo ra.