یک تصویر و یک فایل صوتی، همه آنچه برای ساخت فیلم سینمایی نیاز دارید

مدل OmniHuman-1.5 یه تلاش جدیده برای اینکه آواتارها فقط موجودات بی‌روحی که لب‌هاشون با صدا تکون می‌خوره نباشن، بلکه به نظر برسن واقعاً دارن فکر می‌کنن، حس دارن و با موقعیت اطرافشون هماهنگ عمل می‌کنن. یعنی به جای حرکات مکانیکی و از پیش‌ساخته، آواتار می‌تونه به شکل طبیعی‌تر واکنش نشون بده؛ مثلاً وقتی حرفی زده می‌شه، هم‌زمان حالت چهره، حرکات سر و بدن و حتی حس و حال کلی تصویر هم با اون حرف‌ها جور درمیاد. این کار باعث می‌شه تعامل با آواتار حس زنده‌تر و واقعی‌تری داشته باشه.

برای رسیدن به این هدف، OmniHuman-1.5 از ایده‌ی شبیه‌سازی دو نوع فرایند ذهنی استفاده می‌کنه: یکی سریع و خودکار، مثل واکنش‌های لحظه‌ای بدن یا حرکت ساده‌ی لب‌ها، و دیگری کندتر و اندیشیده‌تر، که تصمیم می‌گیره کِی و چطور آواتار رفتار معنادارتر و هماهنگ‌تری نشون بده. ورودی مدل می‌تونه یه عکس ثابت از چهره‌ی آواتار، صدای گوینده و حتی متن راهنما باشه. بعد، یه مدل زبانی چندرسانه‌ای این اطلاعات رو تحلیل می‌کنه و تصمیم می‌گیره چه حرکت‌هایی مناسب‌ترن. نکته‌ی مهم اینه که مدل ظاهر و هویت اصلی آواتار رو در طول ویدیو حفظ می‌کنه، اما در عین حال انعطاف‌پذیری لازم برای حرکات متنوع، حالات احساسی و حتی تعاملات چندنفره رو هم داره. نتیجه این می‌شه که می‌شه ویدیوهایی ساخت که بیش از یه دقیقه طول دارن و در اون‌ها آواتار مثل یه شخصیت زنده با صدا، متن و محیط تعامل طبیعی‌تری داره.

در ادامه میتونید نمونه خروجی‌های این مدل رو ببینید.

🔤🔤🔤🔤🔤🔤🔤

🥇 اهورا اولین اپراتور هوش مصنوعی راهبردی ایران در حوزه ارائه خدمات و سرویس‌های زیرساخت هوش مصنوعی

🛍کد تخفیف ۱۰ درصدی محصولات اهورا برای اعضای کانال
AHURA5

🌐 لینک وب‌سایت اهورا

@reza_jafari_ai