#VLOGGER

研究拡散指数 31

Googleが「VLOGGER」発表：写真1枚と音声から身振り手振り付きの動画を自動生成

Googleの研究チームがマルチモーダル拡散モデル「VLOGGER」を発表した。人物の写真1枚と音声クリップを入力するだけで、発話に合わせて表情だけでなく顔の向きや手振りを交えたリアルな動画を生成できる。個別学習が不要な点が強みだが、現時点では短尺で背景が固定されるなどの制約もある。