VASA-1 - Microsoft Research vs Pictory AI

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.

Pictory AI transforme des scripts, articles de blog, présentations PowerPoint, URLs, fichiers audio et enregistrements d'écran en vidéos marketing finalisées sans éditeur de timeline traditionnel. Vous fournissez du texte ou des médias existants à Pictory, qui crée des scènes avec des images d'archives, des visuels générés par IA, des sous-titres automatiques, des voix réalistes et des avatars IA optionnels prêts pour les réseaux sociaux ou les chaînes de formation.

Les éditeurs de bureau exigent que vous cherchiez des images d'appoint et découpiez manuellement de longs webinaires en clips. Pictory automatise la structure, met en avant les moments clés des longues enregistrements et redimensionne les exports pour plusieurs plateformes, c'est pourquoi les équipes l'utilisent pour réutiliser des appels Zoom et des articles au lieu de reconstruire chaque montage à la main.

Les marketeurs, créateurs de cours et équipes vidéo d'entreprise adoptent Pictory pour produire plus de vidéos à partir de contenus qu'ils possèdent déjà. La page d'accueil propose un essai gratuit de 14 jours sans carte de crédit requise et des plans à partir de 25 $ par mois en facturation annuelle.