Videochamada sem aparecer: Microsoft quer levar deepfake ao Teams

A Microsoft anunciou recentemente o VASA-1, uma nova ferramenta de inteligência artificial capaz de transformar imagens estáticas em vídeos curtos. O modelo em questão utiliza tecnologia deepfake. E, além de sincronizar os lábios com um clipe de áudio, é capaz de reproduzir expressões faciais próximas da realidade até na plataforma Teams.

Além de imagens de pessoas reais, a IA é capaz de gerar vídeos de representações artísticas. Em um dos vídeos que mais fizeram sucesso nas redes sociais, a big tech gerou uma animação do quadro Mona Lisa, de Leonardo da Vinci, cantando um rap.

Microsoft's VASA-1 has just been released, and it's truly unbelievable.

It's 100% AI that can sing and talk based on a single image.

Here are 10 wild examples:

1. Rapping Mona Lisa pic.twitter.com/TpzKuZVH0g

— MD Shamim Hossain Osman (@MDShamimHoss420) April 28, 2024

A gigante da tecnologia não planeja disponibilizar a ferramenta para o público geral em razão do impacto negativo que seu uso indevido pode ter na sociedade. No entanto, isso não significa que a empresa não planeja incorporar a tecnologia em seus serviços.

Microsoft Teams é o alvo

Uma das possíveis aplicações do modelo é no Microsoft Teams, plataforma de comunicação corporativa, possibilitando que os usuários façam videochamadas com a câmera desligada. Nestes casos, o VASA atuaria animando a imagem de perfil, sincronizando os lábios com o conteúdo do áudio em tempo real.

Here are some examples of VASA-1's potential:

1/ One minute long video pic.twitter.com/PdOP8ES5BP

— Madni Aghadi (@hey_madni) May 1, 2024

É importante destacar que o Teams possibilita a utilização de avatares em videoconferências. No ano passado a plataforma recebeu um recurso que permite a criação de uma representações digitais de pessoas. A ferramenta é últil para aqueles dias em que o usuário não se sente muito a”traente” para aparecer em frente às câmeras.

Entretanto, com o novo modelo de IA, a Microsoft poderia levar esta funcionalidade a um a um novo nível, já que seria possível utilizar a imagem real de pessoas nas representações.

Uma das maiores preocupações da Microsoft — e que vem sendo trabalhada internamente — neste momento é em melhorar as representações de humanos do VASA que, embora sejam muito impressionantes, ainda não reproduzem nuances de expressões faciais ou movimentações corporais que correspondam exatamente à realidade.

VASA-1: takes an image and turns it into a video. A little frightening. pic.twitter.com/HAg6ELro10

— Noble Ron (@perry_ron) May 1, 2024