رونمایی از مدل Atmee v2؛ ساخت آواتارهای ویدیویی تمامقد و آنی تنها با یک عکس و نمونه صدا

معرفی مدل Atmee v2

مدل Atmee v2 جدیدترین مدل پایه آواتار ویدیویی بادرنگ از استارتاپ Atmanity است که در تاریخ ۴ نوامبر ۲۰۲۶ توسط تیم Chen-Ping Yu (بنیانگذار استارتاپ Phiar که توسط گوگل خریداری شده بود) معرفی شد.

برخلاف نسخه اول (v1) که تنها سر و شانه‌ها را پوشش میداد، نسخه v2 یک نمای تمامقد و کامل شامل چهره، اندام، ریزحرکات صورت، حالات احساسی و حتی محیط اطراف را به‌صورت بادرنگ و تنها روی یک کارت گرافیک مجزا رندر می‌کند. هم‌چنین مدل همراه Causeur وظیفه هدایت رفتار و شکلدهی به شخصیت آواتار را بر عهده دارد. کاربران می‌توانند تنها با استفاده از یک عکس پرتره و یک قطعه صوتی ۱۰ تا ۶۰ ثانی‌های، آواتار خود را بسازند؛ افزون بر این، رابط‌های برنامه‌نویسی (API) این مدل از حالت‌های تمامپشته (Full-stack)، منحصراً آواتار و منحصراً صدا پشتیبانی می‌کنند.

حل چالش ارتباط چهرهبهچهره در هوش مصنوعی

سیستم‌های پشتیبانی، آموزش آنلاین و کاراکترهای غیربازیکن (NPC) در بازی‌های ویدیویی به تعاملات چهرهبهچهره با هوش مصنوعی نیاز دارند، اما مدل‌های عمومی تولید ویدیو بسیار کند و گرانقیمت هستند و آواتارهای سنتی نیز حرکاتی خشک و غیرطبیعی دارند. مدل Atmee v2 با هدف خلق عامل‌های ویدیویی مکالم‌های، ارزان و بادرنگ طراحی شده است تا این خلاء را پر کند.

ویژگی‌های کلیدی

• برای استفاده از این نسخه هنگام ساخت باید پارامتر engine=v2 تنظیم شود، زیرا موتور پیش‌فرض سیستم نسخه v1 است.
• تعرفه‌ها در این مدل اقتصادی هستند؛ برای نمونه اجرای حالت کامل (Full-stack) حدود ۲ اعتبار در دقیقه و رندر اختصاصی آواتار حدود ۱ اعتبار در دقیقه هزینه دارد.
• قابلیت برداشت چندگانه (Takes) به کاربران اجازه می‌دهد پیشنمایش‌های متعددی ضبط کرده و بهترین خروجی را برای انتشار نهایی انتخاب کنند.

محدودیت‌ها و نکات قانونی

• دسترسی به نسخه v2 در حال حاضر نیازمند اشتراک سازمانی Growth یا دریافت دعوتنامه رسمی است.
• استفاده از چهره یا صدای افراد واقعی به مجوز صریح و قانونی آنها نیاز دارد.
• این سرویس در مرحله دسترسی زودهنگام قرار دارد و مسئولیت ارزیابی قابلیت اطمینان و انطباق با قوانین بر عهده خود توسعه‌دهندگان است.

مخاطبان هدف و موارد کاربرد

• تیم‌های توسعه محصول که در حال ساخت عامل‌های ویدیویی برای پشتیبانی آنلاین، تدریس خصوصی یا همنشین‌های هوشمند هستند.
• توسعهدهندگانی که پیشتر عامل صوتی خود را طراحی کرده‌اند و اکنون فقط به رندر همگام چهره نیاز دارند.

نحوه شروع به کار

1. به وب‌سایت atmee.ai و بخش مستندات ساخت آواتار مراجعه کنید.
2. دسترسی به نسخه v2 (از طریق طرح Growth یا دعوتنامه) را دریافت کرده و کلید API با مجوز avatars:write ایجاد نمایید.
3. درخواست خود را از طریق مانیفست JSON یا فایل فشرده حاوی عکس پرتره و فایل صوتی با تعیین engine=v2 ثبت کنید.
4. جلسات تعاملی کامل را با درخواست POST /v1/sessions آغاز کنید، یا برای رندر اختصاصی آواتار از افزونه LiveKit بهره ببرید.