编译丨伊风
出品 | 51CTO技术栈（微信号：blog51cto）
视频生成模型的脚步永不停歇！
图片
4月2日，谷歌刚刚发布了强到可怕的AI视频编辑工具VLOGGER。VLOGGER就像收集了很多视频生成领域的前沿AI技能，而打造出的一款百宝箱。其中也有一些亮点细节，例如通过AI编辑，将让画面中讲话者的闭眼、闭嘴、甚至“wink”。
这意味着视频编辑在细节的深入上又精进了一个level！
VLOGGER的工作原理即输入音频和图像， 由“读唇器”根据音频预测说话者的动作，而“动画器”根据说话者的照片和动作细节创建视频帧。
图片
要知道VLOGGER这个百宝箱里都装了什么，可以跟随以下示例来看！
1.VLOGGER的多面能力
基础的图生视频功能
将图片驱动为一段视频。
图片
多语种唇形切换
输入一种语言的视频和另一种语言的音频，它能根据新输入的语言调整说话者的嘴部动作！
顺便一提，OpenAI的VOICE ENGINE也在关注多语种的能力。可以根据一段音频生成一段保留原声音色及口音的外语视频，如果这些能力都能打通，那么音视频内容的出海将会畅通无阻。
图片
表情细节编辑
VLOGGER使得表情编辑更进一步，例如单独控制一只眼睛等。通过使用工具，将生成新的面部表情和动作，用以提升视频的创意。
图片
2.最终效果，进步了但未完全消除“恐怖谷”
图片
毫无疑问VLOGGER的视频留下了令人印象深刻的亮点。如讲话时自然的身体姿势，增加手部运动以在一定程度上提升了视频的真实感。然而，生成的表情和动作比起真实视频还存在机械感重、不流畅的问题，因此会存在一定的“恐怖谷”效应。
参考链接：https://twitter.com/hey_madni/status/1774832882902864327
