出品 | 51CTO技术栈（微信号：blog51cto）
编译丨伊风
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
想了解更多AIGC的内容，请访问：
51CTO AI.x社区
cto视频编辑视频生成多语种技术栈面部表情表情编辑视频内容视频编辑工具aigc真实感ai视频ai视频编辑openai编辑工具ai编辑音频生成生成模型twitter音视频
