أعلنت مايكروسوفت عن تطوير نموذج VASA-1 للذكاء الاصطناعي، القادر على تحويل صورة ثابتة واحدة ومقطع صوتي إلى فيديو واقعي لوجه يتحدث بمعدل يصل إلى 40 إطارًا في الثانية.
هذه التقنية، رغم إمكاناتها في مجالات مثل الألعاب والتعليم، تثير مخاوف جدية بشأن تزييف الحقائق (Deepfakes) وتعميق مشكلة المعلومات المضللة عبر الإنترنت.
كشفت أبحاث مايكروسوفت في أبريل 2024 عن نموذج VASA-1، الذي يتميز بقدرته على مزامنة حركة الشفاه بدقة مع الصوت، إضافة إلى توليد تعابير وجه وحركات رأس طبيعية للغاية، مما يمنح الفيديوهات مستوى عالٍ من الواقعية. يتيح النموذج إنشاء مقاطع فيديو بدقة 512x512 بكسل، ويؤكد الباحثون أنه يعالج الإطارات بمعدل 40 إطارًا في الثانية تقريبًا عند البث المباشر. ورغم عدم وجود خطط لإطلاق عام للمنتج أو واجهة برمجة تطبيقات (API) حاليًا، فإن التقنية تعزز التخوفات من استخدامها في إنشاء فيديوهات مزيفة يصعب تمييزها عن الواقع.