VASA-1 - Microsoft Research vs Elai

VASA-1 es un marco de investigación desarrollado por Microsoft Research Asia que genera videos de rostros parlantes altamente realistas a partir de una sola imagen estática y audio de voz. Destaca por sincronizar de manera precisa los movimientos de los labios con el audio, además de producir una amplia gama de expresiones faciales y movimientos naturales de la cabeza, lo que mejora el realismo y la viveza de los avatares virtuales. El sistema utiliza un modelo holístico de la dinámica facial y el movimiento de la cabeza dentro de un espacio latente disentangled aprendido a partir de datos de video, lo que permite controlar de forma independiente la apariencia, la pose y la expresión. VASA-1 soporta generación de video en tiempo real con una resolución de 512x512 y hasta 40 cuadros por segundo con una latencia mínima, facilitando aplicaciones interactivas como asistentes virtuales, educación y herramientas de accesibilidad. Puede manejar entradas diversas, incluyendo fotos artísticas, canto y habla en idiomas distintos al inglés, demostrando una fuerte capacidad de generalización más allá de sus datos de entrenamiento. Aunque actualmente es un prototipo de investigación sin API comercial ni lanzamiento de producto, VASA-1 establece un nuevo estándar en animación de avatares en tiempo real y realista, con parámetros controlables de mirada, emoción y distancia de la cabeza. Microsoft enfatiza el uso responsable de la inteligencia artificial y se opone a su uso indebido para impersonaciones, destacando los esfuerzos en curso para mejorar la autenticidad de los videos y la detección de contenido generado.

Elai convierte guiones, presentaciones de PowerPoint, URLs y prompts en videos con presentadores desde un estudio en el navegador. Puedes elegir entre más de 80 avatares de IA, escribir o importar texto, y renderizar clips en Full HD con subtítulos, medios de archivo y opciones de interactividad como botones, puntos activos y rutas ramificadas. La página principal lo posiciona para equipos de aprendizaje y desarrollo que necesitan contenido de capacitación sin externalizar la producción completa de video.

Mientras muchas herramientas de avatares se limitan a una cabeza parlante sobre diapositivas, Elai incluye localización, clonación de voz en 28 idiomas, generación de video desde URL y exportación SCORM en niveles superiores. Ahora forma parte de Panopto, lo que indica distribución de aprendizaje empresarial detrás del editor. Los planes para equipos añaden salida 4K, kits de marca, voces premium y espacios incluidos para avatar selfie y clonación de voz.

Los gerentes de L&D, equipos de incorporación de RRHH, mercadólogos y líderes de habilitación de ventas son la audiencia indicada en las páginas de precios y casos de uso. Las cuentas gratuitas obtienen un minuto renderizado para probar el flujo de trabajo, mientras que las suscripciones Creator y Team ofrecen paquetes mensuales de minutos que comienzan en 15 y 50 minutos respectivamente.