動畫片《辛普森一家》在“辛普森即興表演”( Simprovised)一集中進行了首次動畫直播,這一集于周日在美國播出。
早在1997 年,在《辛普森一家》“The Itchy & Scratchy & Poochie Show”這一集中,動畫主角荷馬·辛普森和動畫世界進行了一次親密接觸,為動畫小狗 Poochie 配音。當時荷馬問這一集是否是現(xiàn)場直播,一名資深配音演員冷淡地回答:“動畫沒辦法現(xiàn)場直播,動畫師的手沒有那么快。”
現(xiàn)在快 20 年后,他的預言性問題變成了現(xiàn)實,“辛普森”團隊利用 Adobe Character Animator 播出了該電視節(jié)目的第一個動畫直播片斷:在自己的配音演員 Dan Castellaneta 的幫助下,荷馬進行了三分鐘的即興表演,分享了他對當前事件的看法,并對粉絲提出的問題進行現(xiàn)場解答。
“辛普森即興表演”為《辛普森一家》、及其大批粉絲,以及電視動畫直播帶來了新突破。
Castellaneta 能夠進行即興直播,要歸功于 Adobe Character Animator(Creative Cloud 的組件 After Effects CC 的一項新功能)。該功能通過音唇同步技術和鍵盤觸發(fā)動畫魔術般地實現(xiàn)了這一場景。福克斯和《辛普森一家》的優(yōu)秀團隊提前獲得了當時尚未發(fā)布的 Character Animator版本。Character Animation第一次正式發(fā)布是在全美廣播電視設備展(NAB)上。
Adobe 高級戰(zhàn)略開發(fā)經(jīng)理(senior strategic development manager at Adobe) Van Bedient 表示:“《辛普森一家》不懼風險,在娛樂未來發(fā)展和可能性方面不斷突破界限。在我們看來,沒有什么比在廣受歡迎的節(jié)目中進行動畫直播更能展示新的技術突破。“
通過Adobe Character Animator, 設計師能讓 2D 角色變得鮮活靈動。專業(yè)動畫師或任何設計師可以借助 Photoshop CC 或 Illustrator CC,打造層次感分明的角色,并將其放入 Character Animator 畫面中,然后在鏡頭面前將角色的動作表演出來。即使微妙的面部表情也能進行即時展現(xiàn),再加上對話錄音和通過按鍵觸發(fā)的其它動作,效果栩栩如生。當角色之間進行互動,或人們與自己喜愛的角色直接互動時,所有這一切結合起來打造出的動畫,便可擁有各種現(xiàn)實、實時元素。你微笑,你的角色也會對著你微笑。
Adobe 公司產(chǎn)品管理 DVA 高級總監(jiān)( senior director of product management DVA for Adobe )Bill Roberts 表示:“人們通常不會把動畫與速度和簡單聯(lián)系起來。傳統(tǒng)動畫需要花費大量的時間才能夠做好。傳達感情和動作并不容易,如果設計速度過快,就有可能損失其中各種重要細節(jié)。Character Animator 徹底改變了這種傳統(tǒng)做法。”
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。