زومیت/ هوش مصنوعی جدید بایت‌دنس، سطح واقع‌گرایی ویدیوهای دیپ‌فیک را به سطح جدیدی می‌برد.
 
پژوهشگران شرکت بایت‌دنس، مالک تیک‌تاک، از سیستم هوش مصنوعی جدیدی به‌نام OmniHuman-1 رونمایی کرده‌اند که احتمالاً قادر به تولید واقعی‌ترین ویدیوهای دیپ‌فیک تا به امروز است.

دیپ‌فیک‌ها این روزها بسیار رایج هستند؛ اپلیکیشن‌هایی که می‌توانند شخصی را در یک عکس قرار دهند یا باعث شوند فردی حرفی را بزند که در واقع نگفته است. اکثر دیپ‌فیک‌ها -به‌ویژه دیپ‌فیک‌های ویدیویی- معمولا قابل تشخیص هستند و نوعی علامت یا نشانه‌ی آشکار وجود دارد که نشان می‌دهد هوش مصنوعی در تولید آن دخیل بوده است.

چنین موضوعی درمورد OmniHuman-1 صدق نمی‌کند (حداقل در نمونه‌های گزینش‌شده‌ای که تیم بایت‌دنس منتشر کرده است).

به‌گفته‌ی پژوهشگران بایت‌دنس، OmniHuman-1 برای تولید یک کلیپ با طول دلخواه، تنها به یک تصویر مرجع و صدا، مانند گفتار یا آواز نیاز دارد. نسبت تصویر ویدیوی خروجی و «تناسب اندام» سوژه قابل تنظیم است.

OmniHuman-1 که با استفاده از ۱۹۰۰۰ ساعت محتوای ویدیویی از منابع نامشخص آموزش داده شده، می‌تواند ویدیوهای موجود را نیز ویرایش کند و حتی حرکات اندام فرد را تغییر دهد.

البته، OmniHuman-1 بی‌نقص نیست. تیم بایت‌دنس می‌گوید که تصاویر مرجع «با کیفیت پایین» ویدیوهای خوبی تولید نخواهند کرد و به‌نظر می‌رسد که این سیستم با برخی از حالات بدن مشکل دارد.

واضح است که OmniHuman-1 یک سر و گردن بالاتر از تکنیک‌های دیپ‌فیک قبلی قرار می‌گیرد و به‌خوبی می‌تواند نشانه‌ای از پیشرفت هوش مصنوعی چین باشد. بایت‌دنس OmniHuman-1 را هنوز منتشر نکرده است.