UNIST công bố 'C-MET' có khả năng biểu đạt cảm xúc mà không cần hình ảnh tham khảo
Một công nghệ trí tuệ nhân tạo (AI) có khả năng phân tích cảm xúc từ giọng nói và thay đổi biểu cảm khuôn mặt của nhân vật trong video một cách tự nhiên đã được các nhà nghiên cứu trong nước phát triển, theo thông tin từ Yonhap News vào ngày 18 tháng 6 năm 2026.
Theo Yonhap News, nhóm nghiên cứu do Giáo sư Kim Tae-hwan tại Trường Cao học AI của Đại học Khoa học và Công nghệ Ulsan (UNIST) dẫn đầu đã phát triển mô-đun AI mang tên 'C-MET (Cross-Modal Emotion Transfer)', có khả năng trích xuất cảm xúc từ tín hiệu giọng nói và thay đổi biểu cảm của người nói trong video mà không cần hình ảnh tham khảo.
Công nghệ này khác với phương pháp truyền thống chỉ gán nhãn cảm xúc như 'vui' hay 'buồn', mà tập trung vào sự biến đổi giữa các cảm xúc. Nhóm nghiên cứu đã tính toán sự khác biệt giữa giọng nói trung lập và giọng nói có cảm xúc dưới dạng thông tin số liệu dạng vector, sau đó để AI học cách biểu hiện sự thay đổi đó trên khuôn mặt.
Nhờ đó, ngay cả trong những đoạn hội thoại có sự pha trộn giữa nội dung và cảm xúc, AI có thể tách biệt được tín hiệu cảm xúc cần thiết để thay đổi biểu cảm. Điều này cho phép thay đổi biểu cảm khuôn mặt như khóe miệng và lông mày tùy thuộc vào giọng điệu và âm sắc của câu nói, ngay cả khi nội dung câu nói không thay đổi.
Đặc biệt, công nghệ này có thể biểu đạt những cảm xúc mà AI chưa từng tiếp xúc trong quá trình học tập. Nhóm nghiên cứu cho biết, bằng cách phân tích sự biến đổi giữa hai cảm xúc, AI có thể phản ánh những cảm xúc tinh tế như sự châm biếm, đồng cảm và sức hút vào biểu cảm khuôn mặt.
Ví dụ, câu nói "Bạn làm tốt lắm" có thể được phân biệt là lời khen chân thành hay mang ý châm biếm chỉ qua âm điệu, và được thể hiện bằng các biểu cảm khác nhau.
Ngoài ra, công nghệ này không yêu cầu hình ảnh tham khảo chất lượng cao như ảnh chụp chính diện có biểu cảm, điều này mở rộng khả năng ứng dụng của nó.
Hiệu suất của C-MET cũng được cải thiện so với các công nghệ hiện có. Khi nhóm nghiên cứu thay thế bộ mã hóa biểu cảm của công nghệ chỉnh sửa biểu cảm mới nhất là EDTalk bằng C-MET trong các thí nghiệm, độ chính xác trong việc biểu đạt cảm xúc đã tăng từ 41,99% lên 55,91%, tức là tăng khoảng 14 điểm phần trăm.
Khi áp dụng cho một mô hình tạo khuôn mặt khác là PD-FGC, độ chính xác cảm xúc cũng cải thiện từ 33,36% lên 36,82%. Điều này cho thấy C-MET không bị giới hạn ở một mô hình cụ thể mà có thể áp dụng cho nhiều hệ thống AI tạo khuôn mặt khác nhau, theo giải thích của nhóm nghiên cứu.
Giáo sư Kim Tae-hwan cho biết qua Yonhap News: "Nghiên cứu này đã giải quyết thực chất những hạn chế của phương pháp hiện có bằng cách cho phép thay đổi cảm xúc trong video khuôn mặt chỉ bằng giọng nói mà không cần hình ảnh tham khảo. Đây là công nghệ nền tảng có thể được ứng dụng trong nhiều lĩnh vực như sản xuất nhân vật ảo, hậu kỳ trong phim và nội dung, cũng như AI nhận diện cảm xúc."
Kết quả nghiên cứu này đã được chấp nhận tại hội nghị quốc tế về AI và thị giác máy tính mang tên 'CVPR 2026 (Conference on Computer Vision and Pattern Recognition)'.
* Bài viết này được dịch tự động bằng AI.
© Bản quyền thuộc về Thời báo Kinh tế AJU & www.ajunews.com: Việc sử dụng các nội dung đăng tải trên vietnam. kyungjeilbo.com phải có sự đồng ý bằng văn bản của Aju News Corporation.



