بايت دانس تطلق نموذج OmniHuman لتحويل الصور إلى مقاطع فيديو واقعية

 أعلنت شركة بايت دانس المالكة لتطبيق تيك توك عن إطلاق نموذج ذكاء اصطناعي جديد يحمل اسم OmniHuman، والذي يتيح تحويل الصور إلى مقاطع فيديو واقعية تظهر الأشخاص يتحدثون، يغنون، ويتحركون بشكل طبيعي، مما يمثل تطورًا بارزًا في مجالات الترفيه والاتصالات الرقمية.

يُعد OmniHuman خطوة كبيرة في مجال الذكاء الاصطناعي، حيث يمكنه إنشاء مقاطع فيديو تُظهر حركات جسدية متناسقة مع الكلام، متجاوزًا بذلك النماذج السابقة التي كانت تقتصر على تحريك ملامح الوجه أو الجزء العلوي من الجسم. وقد تم تدريب هذا النموذج باستخدام أكثر من 18 ألفًا و700 ساعة من مقاطع الفيديو البشرية، وفقًا لدراسة نُشرت على منصة arXiv.

وأوضح باحثون في بايت دانس أن الطرق التقليدية لإنشاء مقاطع الفيديو عبر الذكاء الاصطناعي كانت تواجه صعوبة في التوسع إلى نماذج أكثر تعقيدًا بسبب قيود البيانات، وهو ما كان يحد من إمكانياتها في التطبيقات العملية. إلا أن تقنية OmniHuman تعتمد على نهج جديد يُسمى “التدريب متعدد الظروف Omni-Conditions”، الذي يسمح للنموذج بالتعلم من مصادر متعددة مثل النصوص، الصوت، وحركات الجسم، مما يتيح له استيعاب بيانات أكثر تنوعًا مقارنة بالأساليب السابقة.

وأكد الفريق البحثي أن تضمين إشارات متعددة أثناء عملية التدريب، مثل النصوص والصوت ووضعية الجسم، يساهم بشكل كبير في تقليل إهدار البيانات. وأظهرت الاختبارات تفوق النموذج الجديد على النماذج السابقة من حيث جودة الحركة وتناسقها مع الكلام.

سيتم تقديم نتائج هذا البحث في مؤتمر علمي متخصص في الرؤية الحاسوبية في المستقبل القريب، ولكن لم يتم الإعلان بعد عن تفاصيل الموعد أو المؤتمر.

يأتي هذا التطور في وقت يشهد فيه العالم سباقًا متزايدًا بين عمالقة التكنولوجيا مثل ميتا، جوجل، ومايكروسوفت، الذين يسعون أيضًا لتطوير أنظمة ذكاء اصطناعي متقدمة لإنشاء مقاطع فيديو واقعية. ومن المتوقع أن يعزز هذا الابتكار الجديد من قدرة بايت دانس على التميز في هذا المجال سريع النمو.

ومع ذلك، يحذر الخبراء من إمكانية إساءة استخدام هذه التقنية في إنشاء محتوى مزيف أو مضلل، مثل مقاطع الفيديو المتلاعبة التي قد تُستخدم لنشر المعلومات المضللة أو انتهاك الخصوصية.