VASA-1 - Microsoft Research vs Elai

VASA-1 est un cadre de recherche développé par Microsoft Research Asia qui génère des vidéos de visages parlants très réalistes à partir d'une seule image statique et d'une entrée audio. Il excelle à synchroniser précisément les mouvements des lèvres avec l'audio tout en produisant une large gamme d'expressions faciales et de mouvements de tête naturels, améliorant ainsi le réalisme et la vivacité des avatars virtuels. Le système utilise un modèle holistique de la dynamique faciale et du mouvement de la tête dans un espace latent décomposé appris à partir de données vidéo, permettant un contrôle séparé de l'apparence, de la pose et de l'expression. VASA-1 supporte la génération en temps réel de vidéos à une résolution de 512x512 et jusqu'à 40 images par seconde avec une latence minimale, ce qui facilite des applications interactives telles que les assistants virtuels, l'éducation et les outils d'accessibilité. Il peut traiter des entrées diverses, y compris des photos artistiques, le chant, et la parole dans une langue autre que l'anglais, montrant une forte capacité de généralisation au-delà de ses données d'entraînement. Bien qu'il s'agisse actuellement d'un prototype de recherche sans API commerciale ni lancement de produit, VASA-1 établit une nouvelle norme pour l'animation d'avatars en temps réel, réalistes, avec des paramètres contrôlables tels que le regard, l’émotion et la distance de la tête. Microsoft insiste sur l’utilisation responsable de l'IA et s’oppose à toute mauvaise utilisation pour l’usurpation d’identité, soulignant ses efforts continus pour améliorer l’authenticité des vidéos et la détection des contenus générés.

Elai transforme des scripts, des présentations PowerPoint, des URL et des invites en vidéos animées par des présentateurs depuis un studio accessible via navigateur. Vous choisissez parmi plus de 80 avatars IA, rédigez ou importez du texte, et générez des clips Full HD avec sous-titres, médias de stock, et interactivité optionnelle comme des boutons, des points d'intérêt et des chemins à embranchements. La page d'accueil le destine aux équipes de formation et développement qui ont besoin de contenu pédagogique sans externaliser la production vidéo complète.

Là où de nombreux outils d'avatar se limitent à une tête parlante sur des diapositives, Elai intègre la localisation, le clonage vocal en 28 langues, la génération de vidéo à partir d'URL, et l'export SCORM dans les formules supérieures. Il fait désormais partie de Panopto, ce qui indique une distribution d'apprentissage en entreprise derrière l'éditeur. Les plans d'équipe ajoutent une sortie 4K, des kits de marque, des voix premium, ainsi que des emplacements inclus pour avatar selfie et clonage vocal.

Les responsables L&D, les équipes d'intégration RH, les marketeurs et les responsables de l'activation commerciale sont le public visé sur les pages de tarification et cas d'usage. Les comptes gratuits bénéficient d'une minute rendue pour tester le flux de travail, tandis que les abonnements Creator et Team proposent des forfaits mensuels de minutes commençant respectivement à 15 et 50 minutes.