谷歌最新推出的VLOGGER AI技術(shù)引起了廣泛關(guān)注，這項(xiàng)創(chuàng)新的多模態(tài)模型能夠讓靜態(tài)肖像圖“活”起來并“說話”。用戶只需提供一張人物肖像照片和一段音頻內(nèi)容，VLOGGER AI就能讓圖片中的人物仿佛真的在朗讀這段音頻，面部表情豐富，栩栩如生。

VLOGGER AI作為一種專為虛擬肖像設(shè)計(jì)的多模態(tài)Diffusion模型，其強(qiáng)大能力得益于MENTOR數(shù)據(jù)庫(kù)的豐富資源。這個(gè)數(shù)據(jù)庫(kù)收錄了超過80萬名人物肖像，以及累計(jì)超過2200小時(shí)的影片，使得VLOGGER能夠生成各種種族、年齡、穿著和姿勢(shì)的肖像影片，極大增加了其適用性和實(shí)用性。

谷歌對(duì)VLOGGER AI寄予厚望，將其視為邁向“通用聊天機(jī)器人”的重要一步。未來，這種AI技術(shù)有望通過語音、手勢(shì)和眼神交流等方式，以更加自然和人性化的方式與人類進(jìn)行互動(dòng)。

這一技術(shù)的推出不僅展示了谷歌在人工智能領(lǐng)域的深厚實(shí)力，也為虛擬形象、影視制作等領(lǐng)域帶來了全新的可能性。未來，我們可以期待看到更多由VLOGGER AI生成的生動(dòng)、真實(shí)的虛擬人物形象，在娛樂、教育、廣告等多個(gè)領(lǐng)域大放異彩。