Immagine AI

HeyGen ha presentato Avatar 6, una nuova generazione di modelli dedicati alla produzione di video con interpreti digitali, progettata per riprodurre simultaneamente le caratteristiche fisiche, vocali e comportamentali della persona utilizzata come riferimento. L’architettura sviluppata internamente combina un generatore video, un sistema di super-risoluzione per il recupero dei dettagli visivi, un modulo di pianificazione dei movimenti e la tecnologia HeyGen Voice per la sintesi vocale. Il sistema interviene sulla rappresentazione della pelle, dei capelli e delle espressioni facciali, coordinandole con la pronuncia e con i movimenti del corpo. La piattaforma propone due varianti, Avatar 6 Quality e Avatar 6 Turbo, quest’ultima basata su un’infrastruttura di inferenza accelerata destinata a ridurre i tempi di produzione.

La principale innovazione riguarda la gestione semantica della gestualità. Avatar 6 analizza il significato del testo pronunciato dall’interprete digitale per individuare i passaggi nei quali introdurre movimenti coerenti con il contenuto della comunicazione. Il sistema può associare gesti di indicazione, conteggio e orientamento a specifiche espressioni linguistiche, mantenendo continuità tra le azioni pianificate e i movimenti spontanei che caratterizzano il soggetto. Gli utenti possono inoltre utilizzare istruzioni testuali per controllare direttamente lo stato emotivo, le espressioni facciali e i movimenti delle mani, associando una determinata azione a una frase precisa.

HeyGen ha esteso la generazione a sequenze video continuative di lunga durata, presentando dimostrazioni comprese tra 25 e 28 minuti realizzate a partire da un’unica traccia audio, senza ricorrere alla ripetizione ciclica delle sequenze. Il sistema supporta inoltre la rappresentazione simultanea di due interlocutori, come dimostrato attraverso un podcast video nel quale vengono alternate inquadrature complessive e primi piani dei partecipanti. Un ulteriore modulo consente di modificare registrazioni esistenti sostituendo porzioni del parlato o aggiungendo gesti senza rigenerare integralmente il filmato. In una valutazione di venti interventi di editing, HeyGen ha rilevato una modifica media del 34,4% dei fotogrammi, rispetto a percentuali comprese tra il 99,7% e il 100% per alcuni sistemi concorrenti.

Le valutazioni sul realismo hanno coinvolto venti osservatori esterni e registrazioni relative a 76 persone. Nei confronti affiancati, Avatar 6 è stato identificato come registrazione autentica nel 42,2% delle risposte, corrispondente a un indice di indistinguibilità normalizzato dell’84,4%. Nelle valutazioni individuali, il 65,1% delle risposte ha identificato come autentici i video sintetici prodotti utilizzando la voce del soggetto, rispetto al 78,9% delle registrazioni reali. I risultati preliminari indipendenti di New Measure Avatar Arena hanno inoltre collocato Avatar 6 in prima posizione sia per gli avatar personalizzati sia per quelli predefiniti, con punteggi Elo rispettivamente di 1.197 e 1.237. Le verifiche indipendenti hanno riguardato prevalentemente filmati brevi, senza validare le prestazioni sulle sequenze di lunga durata.

L’integrazione tramite API prevede gli identificativi heygen-avatar-6 e heygen-avatar-6-turbo, con una risoluzione predefinita di 1080p. La Model API utilizza immagini o video di riferimento associati a una traccia audio, mentre l’Application API opera a partire dagli avatar disponibili nell’ambiente HeyGen. Quest’ultima presenta attualmente limitazioni relative alla generazione multipla, all’editing delle scene e ad alcune tipologie di input. Per gli avatar realistici ottenuti da filmati personali è prevista una procedura di verifica del consenso, mediante una registrazione contenente un codice univoco e il controllo della corrispondenza tra il soggetto ripreso e quello che autorizza l’utilizzo della propria immagine.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)

Di Fantasy