原文标题：让鲁迅说绕口令、赫本玩嘻哈，又一视频模型火了，斯坦福华人博士创立
原文作者：机器之心
冷月清谈：
**Proteus，一款来自斯坦福大学的实时人工智能视频生成模型，能够生成高度真实且富有表现力的高帧率人物形象，让不同的角色进行各种生动表情和动作。**
Proteus采用创新的潜在空间设计，以最先进的transformer架构为基础，确保了生成效率，帧率高达100+ FPS。
该模型突破了现有模型在生成逼真且自然的人类表情和动作方面的局限，能够模仿人类的笑声、说唱、唱歌、对话，还能执行更复杂的动作，例如让鲁迅说绕口令、居里夫人清唱歌曲。
Proteus背后的团队，Apparate Labs，由6人组成，其中3位华人。团队成员均来自斯坦福大学计算机科学系，研究涵盖计算机视觉、机器人学、图形学和生成模型等领域。
怜星夜思：
1、Proteus这类模型的出现会对内容创作领域产生什么影响？
2、Proteus还能在哪些领域发挥作用？除了娱乐领域，是否有其他潜在的应用场景？
3、对于Proteus的潜在滥用或伦理问题，我们应该如何应对？
2、Proteus还能在哪些领域发挥作用？除了娱乐领域，是否有其他潜在的应用场景？
3、对于Proteus的潜在滥用或伦理问题，我们应该如何应对？
原文内容
机器之心报道
编辑：杨文
团队成员均来自斯坦福大学，CTO还是泰勒·斯威夫特的铁杆粉丝。
AI视频领域卷疯了。
Luma引发的狂欢还没结束，AI视频圈又来了个挑战者——
斯坦福大学团队出品的Proteus。
据介绍，Proteus 是一款低延迟基础模型，可以生成高度真实且富有表现力的人物形象。
例如，让世界名画中的主角——蒙娜丽莎或者带珍珠耳环的女孩——肆无忌惮地大笑，面部表情自然流畅：
让奥黛丽·赫本一改往日淑女形象，玩起嘻哈说唱：
还让《哈利·波特》中的斯内普教授唱《Despacito》：
Proteus刚发布，一众大佬发来「贺信」：
AI科学家贾扬清称赞，实时人工智能头像质量出奇得好。
英伟达科学家Jim Fan则表示，这一项目令人印象深刻。
早期投资人Brian Zhan发文称，现有AI视频工具，比如Runway和Pika，最大的问题就是会产生幻觉，尤其是在生成含有人类的视频时。而Apparate Labs通过解决时间连贯性和对象恒定性等问题，使AI视频生成步入下一个阶段。
离谱！鲁迅说起了绕口令
Proteus是新一代的基础模型，用于人类的实时表情生成。
要知道，目前即便是最先进和最强大的生成模型，也无法完全实现人类表情的实时生成。
现有的模型运行速度缓慢，无法提供对生成人物的复杂面部表情和身体动作的直观控制，而且它们在逼真度和表现力方面仍有所欠缺。
而Proteus采用了最先进的transformer 架构的潜在扩散模型，其创新性的潜在空间设计确保了实时的高效率，并且随着架构和算法的持续优化，Proteus能够实现每秒100帧以上（100+ FPS）的视频流。
换句话说，只需一张简单的照片，Proteus不仅能够模仿人类的笑声、说唱、歌唱、眨眼、微笑和对话，还能执行更多生动的表情和动作。
比如说，一向严肃的鲁迅说起了绕口令：
或者让居里夫人清唱《Le Festin》：
抑或是给科学家们开个圆桌会议：
据Proteus研发团队介绍，他们期望Proteus可以成为一个声音可控的视觉化身，为人工智能对话实体提供一个直观的交互界面，同时能够与众多多模态大语言模型无缝兼容，为各种不同的应用场景提供定制化服务。
对此，不少网友脑洞大开——
「只需要用爱因斯坦的数据对大语言模型进行微调，再配上他生动的面部表情，就能让伟大的爱因斯坦化身教学助手，来亲自教授物理课，青少年再也不用愁学不好科学了。」
还有网友表示，我爱死它了，今年绝对是AI视频之年。
起底背后团队
这款被大佬力捧、小而美的模型， 背后是个怎样的团队？
据官网介绍，这是由斯坦福大学的Apparate Labs研发出来的。
目前该团队仅6人，从名字和照片来看，有3人为华人。
首席执行官兼联合创始人沈博魁（William Shen）博士就读于斯坦福大学计算机科学系，由知名教授Silvio Savarese和Leonidas J. Guibas共同指导。
他的研究涵盖人工智能多个领域，包括计算机视觉、机器人学、图形学、生成模型和具身智能。其论文多次获奖，例如在IEEE-CVPR获得了最佳论文奖，还在RSS上入围了最佳学生论文奖的决赛。
此前，他还以GPA4.0的优异成绩获得斯坦福大学计算机科学学士学位。
首席技术官兼联合创始人Connor Lin也是个学霸。
他本硕就读于卡内基·梅隆大学，师从Keenan Crane教授。2020年前往斯坦福大学攻读计算机博士。目前他是一名四年级在读博士生，由Leonidas Guibas和Gordon Wetzstein两位教授共同指导。
Connor Lin的研究聚焦于3D先验知识和神经表示，用于3D重建、生成和编辑，曾获得David Cheriton斯坦福研究生奖学金的支持。
在攻读博士期间，他在谷歌研究、英伟达研究和Adobe研究实习。此前，还在谷歌担任软件工程师，负责Pixel手机的人像模式开发。
此外，这小哥兴趣广泛，喜欢旅行和体育，喜欢烹饪、羽毛球、游泳、桌游和音乐，还是泰勒·斯威夫特的铁杆粉丝
和Connor Lin一样，首席科学家Linqi (Alex) Zhou也是斯坦福大学的一名博士生，由Stefano Ermon教授指导。
此前，Linqi Zhou在加州大学洛杉矶分校获得了计算机科学和应用数学的学士学位，由Song-Chun Zhu教授和Ying-Nian Wu教授指导。
他主要在计算机视觉和机器学习领域进行研究，并致力于构建能够以结构化和概率性方式理解世界的模型。
参考链接：
https://apparate.ai/stream.html
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：content@jiqizhixin.com