O Google tem investido pesado em inteligência artificial com o Gemini AI que já está na versão 1.5. Hoje ele apresentou uma nova tecnologia chamada VLOGGER AI que permite criar um avatar humano realista em 3D com apenas uma foto e inteligência artificial.

O VLOGGER AI foi apresentado pelo Google em uma página do GitHub onde é mostrado que o usuário apenas precisa inserir uma foto tirada em modo retrato e um áudio para que o avatar 3D possa dizê-lo como se a voz fosse sua.

Veja alguns exemplos de avatares 3D criados com o VLOGGER AI usando apenas uma foto de cada pessoa:

O mais interessante é que o VLOGGER AI permite que o comportamento do avatar seja editado para que ele se mexa, pisque, e faça expressões faciais como desejar, dando controle total ao usuário.

Para criar o avatar, o VLOGGER AI utiliza um processo de geração de movimento 3D com difusão temporal para determinar quando e como o avatar deve se mover de acordo com o áudio. Por fim, o modelo de IA integrado refina e amplia a escala do avatar para torná-lo mais realista.

Para atingir este nível, o VLOGGER AI foi treinado usando o banco de dados MENTOR com mais de 800.000 retratos e mais de 2.200 horas de vídeos, o que permite que ele crie avatares 3D de pessoas de qualquer nacionalidade, etnia, idade e usando qualquer tipo de roupa usando apenas uma foto como base.

Apesar disso, o VLOGGER AI ainda tem algumas limitações e podem encontrar problemas ao gerar gestos amplos demais em alguns ambientes e vídeos longos.

A ideia do Google é que o VLOGGER AI possa ser utilizado para apresentações de relatórios, na área educacional e narração de projetos, além de permitir que os usuários criem avatares animados para aplicativos de chamadas de vídeo, sendo uma alternativa mais interessante que os avatares gerados pelo Apple Vision Pro.