VASA-1 - Microsoft Research vs Rizzle

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.

Rizzle convierte artículos, blogs y textos editoriales en videos listos para publicar, diseñados para editores digitales y empresas de medios. El flujo de trabajo comienza con una IA que crea guiones gráficos a partir de tu contenido escrito, combinando texto con imágenes con licencia, música, transiciones y locuciones. Luego, expertos humanos en video revisan el ritmo, las imágenes y el tono antes de que cualquier contenido se publique.

A diferencia de las herramientas genéricas de texto a video que se detienen en la exportación, Rizzle también distribuye los videos terminados y las historias escritas a través de redes asociadas como Yahoo, MSN, SmartNews y NewsBreak. Rizzle es una agencia externa designada para la distribución de contenido de Yahoo, por lo que los editores pueden añadir inventario de video y alcance multiplataforma desde la misma plataforma que crea los clips. Las plataformas tradicionales de sindicación distribuyen texto que ya tienes; Rizzle crea primero nuevos activos de video monetizables y luego envía ambos formatos a través de una sola capa de infraestructura.

Organizaciones de noticias, editores digitales y equipos de contenido empresarial usan Rizzle para dar una segunda vida en video a historias escritas existentes, alcanzar audiencias que prefieren video y abrir flujos de monetización a partir de asociaciones de sindicación. El modelo de servicio gestionado se encarga de la creación de guiones gráficos, edición, revisión y distribución para que los equipos puedan aumentar la producción de video sin construir un departamento de producción interno.