小紮下血本！ Meta專為元宇宙搞了個AI模型

人工智慧將成為虛擬世界的支柱。

人工智慧可在元宇宙中與多種相關技術結合，如電腦視覺、自然語言處理、區塊鏈和數位雙胞胎。 

2月，祖克柏在公司的第一個虛擬活動－Inside The Lab中展現了元宇宙的樣子。他說，該公司正在開發一系列新的生成式AI模型，用戶只需透過描述就可以產生自己的虛擬實境化身。

祖克柏宣布了一系列即將推出的項目，例如CAIRaoke項目，一項用於構建設備語音助理的完全端到端的神經模型，可幫助用戶更自然地與語音助理進行交流。 同時，Meta正努力建構一個通用語音翻譯器，可為所有語言提供直接的語音到語音翻譯。 

幾個月後，Meta兌現了他們的承諾。 然而，Meta並不是唯一一家在遊戲中擁有皮膚的科技公司。英偉達等公司也發布了其自主研發的AI模型以提供更豐富的元宇宙體驗。

開源預訓練Transformer（OPT-1750億參數) 

GAN verse 3D  

#GANverse 3D由英偉達AI Research開發，是一種使用深度學習將2D圖像處理成3D動畫版本的模型，去年的ICLR和CVPR上發表的一篇研究論文中介紹了該工具，它可以用更低的成本更快地生成模擬。 

此模型使用StyleGAN可自動從單一影像產生多個視圖。該應用程式可以作為NVIDIA Omniverse的擴展導入，以在虛擬世界中準確地渲染3D物件。 英偉達推出的Omniverse可協助使用者在虛擬環境中建立他們最終想法的模擬。 

3D模型的製作已成為建構元宇宙的關鍵因素。耐吉和Forever21等零售商已經在元宇宙建立了他們的虛擬商店，以推動電子商務銷售。

視覺聲學匹配模型（AViTAR） 

#Meta的現實實驗室團隊與德克薩斯大學合作，建立了一個人工智慧模型，以改善元空間的聲音品質。該模型可幫助匹配場景中的音訊和視訊。它會對音訊片段進行轉換，使其聽起來像是在特定環境中錄製的。該模型在從隨機的線上影片中提取數據後使用了自我監督學習。 理想情況下，使用者應該能夠在他們的AR眼鏡上觀看他們最喜歡的記憶，並聆聽實際體驗中產生的確切聲音。

Meta AI發布了AViTAR的開源，同時也發布了其他兩個聲學模型，考慮到聲音是metaverse體驗中經常被忽視的部分，這是非常罕見的。

視覺影響的減震（VIDA）

Meta AI發布的第二個聲學模型被用來去除聲學中的混響。

該模型是在一個大規模的資料集上訓練出來的，該資料集有各種來自家庭三維模型的真實音訊渲染。混響不僅降低了音訊的質量，使其難以理解，而且還提高了自動語音辨識的準確性。

 

VIDA的獨特之處在於，它在使用視覺線索的同時也使用音訊方式進行觀察。在典型的僅有音訊的方法的基礎上進行改進，VIDA可以增強語音，並識別語音和說話者。

視覺語音（VisualVoice）

Meta AI發布的第三個聲學模型VisualVoice可以從視訊中提取語音。與VIDA一樣，VisualVoice也是根據未標記的影片中的視聽線索進行訓練。該模型已經自動分離了語音。

 這個模型有重要的應用場景，如為聽障人士製作技術，增強穿戴式AR裝置的聲音，從環境吵雜的線上影片轉錄語音等。

Audio2Face

去年，英偉達發布了Omniverse Audio2Face的開放測試版，以產生人工智慧驅動的臉部動畫，以匹配任何配音。該工具簡化了為遊戲和視覺效果製作動畫的漫長而繁瑣的過程。該應用程式還允許用戶以多種語言發出指令。

 

今年年初，英偉達發布了該工具的更新，增加了BlendShape Generation等功能，幫助用戶從一個中性頭像中創建一組blendhapes。此外，還增加了串流音訊播放器的功能，允許使用文字轉語音應用程式的音訊資料流。 Audio2Face設定了一個3D人物模型，可以用音軌做動畫。然後，音訊被送入一個深度神經網路。使用者還可以在後製中編輯角色，改變角色的表現。

以上是小紮下血本！ Meta專為元宇宙搞了個AI模型的詳細內容。更多資訊請關注PHP中文網其他相關文章！