Neue TikTok-KI macht schockierend gute Fake-Videos

ByteDance, das Mutterunternehmen von TikTok, hat ein neues KI-System namens OmniHuman-1 vorgestellt. Dieses kann aus einem einzigen Foto realistische Videos von Menschen generieren. 

OmniHuman-1 wurde mit über 18.700 Stunden Videomaterial trainiert, wie es heißt. Das System ist in der Lage, Personen sprechen, gestikulieren, singen und sogar Instrumente spielen zu lassen. Sie können synchron mit einer bereitgestellten Audiospur dargestellt werden. 

Wie beeindruckend das ist, ist in Beispielen von OmniHuman-1 zu sehen. Vor allem der Teil mit Albert Einstein (ab 1:27) zeigt deutlich, wie leistungsfähig das Modell ist. 

➤ Mehr lesen: Video-KI Sora liefert gruselige und beeindruckende Clips

Auch dieser Clip, in dem Taylor Swift vermeintlich den Themesong der japanischen Anime-Serie Naruto singt, ist eindrucksvoll.

VASA-1

Mit OmiHuman-1 wurde das Rad nicht von neu erfunden. Das Modell basiert auf Microsofts VASA-1, das vor rund einem Jahr vorgestellt wurde. Auch dabei handelt es sich um eine KI, die lebensechte sprechende Avatare aus einem einzigen Bild und einer Audiodatei erzeugen kann. OmniHuman-1 übertrifft VASA-1 allerdings in mehreren Aspekten. 

So kann es nicht nur Gesichter, sondern auch Körperbewegungen und Gesten animieren. Zudem unterstützt es verschiedene Eingabeformate wie Porträts, Halbkörper- und Ganzkörperaufnahmen und kann sowohl Sprache als auch Gesang verarbeiten.

➤ Mehr lesen: KI-Wunder oder Marketing-Gag: Was ist eigentlich eine NPU?

Veröffentlichung unklar

Derzeit wird das Modell noch unter Verschluss gehalten. Ob oder wann es jemals das Licht der Öffentlichkeit erblickt, ist unklar. Auf der Github-Seite des Projekts heißt es, man biete derzeit keine Services oder Downloads an. 

Man braucht wohl nicht viel Fantasie, um sich auszumalen, dass ein solches Modell auch großes Missbrauchspotenzial - etwa im Bereich Fake News - bietet. Vielleicht ist auch das ein Grund dafür, warum es nicht sofort allen zur Verfügung gestellt wird.