Innovative Tech
深層学習でリップシンク動画生成 SiriやAlexaにも対応する「Neural Voice Puppetry」
Innovative Tech：
このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。
ミュンヘン工科大学と独Max Planck Institute for Informatics（MPII）の研究チームが2019年12月に発表した「Neural Voice Puppetry」は、任意の音声を入力を元に、その音声に合わせた写実的な顔のアニメーションを生成する深層学習を用いた手法だ。
この手法を用いると、指定する顔の口元を操り人形のように音声駆動でアイデンティティを保持しながら動かせる。また、テキストを変換した音声合成からも生成できるため、Siri、Alexa、Google Assistantなどのデジタルアシスタントの音声も顔アニメーションに変換可能だ。
（左）デジタルアシスタントの音声を任意の人に合成し話をさせている様子、（右）任意の音声を任意の人に合成し話をさせている様子
パイプラインは、2つの主要部分で構成される。
音声入力からDeepSpeech RNNを用い、ブレンドシェイプで顔の3Dモデルを駆動する基礎係数を予測。
予測した基礎係数を基に、ターゲットの顔モデルをレンダリングするための最適化を行い出力する。
Neural Voice Puppetryのパイプライン
指定する顔が動く2～3分の短いビデオがあれば訓練可能で、インターネット上の短いビデオも利用できるのが特徴。
活用例として、遠隔会議で自分のキャラクターを表示してしゃべらせる、デジタルアシスタントの上半身をプロジェクター等で投影し動かす、動画制作で有名人に話をさせる――などが挙げられる。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
こんなメディアも見られています
ITmedia NEWSに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
本日の新着記事
アクセスランキング
-
1
GMO熊谷代表、会見で改めて謝罪 SNS投稿巡り「配慮が欠けていた」
-
2
ロゴ画像用の公開領域に顧客ファイルも保存 GMO系シングルサインオン、4.5万人分漏えい
-
3
アットコスメ、会員約300万人分の情報漏えい 不正アクセスで
-
4
ニコニコレンタカー、免許証画像の事前登録を廃止 保存済み画像も全削除 サイバー攻撃の増加受け
-
5
AI学習への利用拒否をrobots.txtで一括指定へ OpenAIやGoogleなどが対応表明
-
6
日本郵政「ゆうID」不正ログイン、他社で流出したパスワード使うリスト攻撃か……2段階認証必須に
-
7
楽天証券、顧客情報362件が漏えいか NTTデータ委託先に不正アクセス
-
8
GMO熊谷代表、涙の謝罪会見でも“熊谷節”さく裂──「31年間、もうけるという言葉は使ったことがない」
-
9
総務省、GMO攻撃者サイトの「ブロッキング」を通信各社に要請 報道
-
10
クラブツーリズムに不正アクセス 個人情報約432万件漏えいの可能性、サイト停止
ITmedia NEWS SNS
@itmedia_newsをフォロー
インフォメーション
注目情報をチェック
ITmediaNEWSをフォロー
あなたにおすすめの記事PR