导语：谷歌近日在 GitHub 页面发布博文，介绍了 VLOGGER AI 模型，用户只需要输入一张肖像照片和一段音频内容，该模型可以让这些人物“动起来”。
3 月 19 日消息，谷歌近日在 GitHub 页面发布博文，介绍了 VLOGGER AI 模型，用户只需要输入一张肖像照片和一段音频内容，该模型可以让这些人物“动起来”，富有面部表情地朗读音频内容。
VLOGGER AI 是一种适用于虚拟肖像的多模态 Diffusion 模型，使用 MENTOR 数据库进行训练，该数据库中包含超过 80 万名人物肖像，以及累计超过 2200 小时的影片，从而让 VLOGGER 生成不同种族、不同年龄、不同穿着、不同姿势的肖像影片。
研究人员表示：“和此前的多模态相比，VLOGGER 的优势在于不需要对每个人进行训练，不依赖于人脸检测和裁剪，可以生成完整的图像（而不仅仅是人脸或嘴唇），并且考虑了广泛的场景（例如可见躯干或不同的主体身份），这些对于正确合成交流的人类至关重要”。
Google 将 VLOGGER 视为迈向“通用聊天机器人”的一步，之后 AI 就可以通过语音、手势和眼神交流以自然的方式与人类互动。
VLOGGER 的应用场景还包括可以用于报告、教育场域和旁白等，也可剪辑既有的影片，如果对影片中的表情不满意就能加以调整。
相关推荐
-
谷歌母公司 Alphabet 宣布 800 亿美元大额融资，用于 AI 基础设施与算力建设
Google（谷歌）母公司 Alphabet（字母表）美国当地时间昨日宣布进行共计 800 亿美元（IT之家注：现汇率约合 5418.04 亿元人民币）的大额股权融资，所得将用于投资 AI 基础设施与算力等目的。
-
谷歌 AI 框架 AlphaProof Nexus 攻克 2 道悬置 56 年数学难题
谷歌 DeepMind 最新推出 AlphaProof Nexus，结合大语言模型（LLM）生成证明与 Lean 形式化验证，在 353 个开放的 Erd?s 问题中自主解决 9 个，并解开 2 个悬而未决 56 年的问题。
-
谷歌 Gboard 输入法新增 Gemini 驱动听写功能，可识别一句话中的多种语言
当地时间周二（12 日），谷歌在“Android Show：I/O Edition 2026”活动上宣布推出 AI 驱动的语音听写功能 Rambler，并集成于第一方输入法 Gboard。
-
谷歌联手 SpaceX 推进太空数据中心项目，计划 2027 年发射原型卫星
据华尔街日报今日报道，谷歌正与 SpaceX 就一项火箭发射协议展开谈判，以推进其将数据中心部署至地球轨道的计划。该潜在合作将使两家科技巨头在轨道数据中心领域联手。
-
被AI重新激活的“无屏手环”，成了大厂争抢的运动健康新赛道
2026 年 5 月 7 日，Google 发布了一款叫 Fitbit Air 的健康手环。99.99 美元，没有屏幕，配套一个叫 Google Health Coach 的 AI 订阅服务，每月 10 美元。同一天，沿用了十几年的 Fitbit App 改名 Google Health。
-
Anthropic 承诺 5 年内斥资 2000 亿美元购买谷歌云服务和芯片
据 The Information 于当地时间 5 月 5 日报道，作为近期达成的一项协议的一部分，Anthropic 已承诺在五年内向谷歌云（Google Cloud）支出 2000 亿美元（IT之家注：现汇率约合 1.37 万亿元人民币）。
-
谷歌相册推出衣橱规划功能：AI 提取服装图像整理到数字衣橱，支持虚拟试穿
IT之家 4 月 30 日消息，当地时间 4 月 29 日，谷歌官方宣布，谷歌相册将推出一项新功能，将用户相册中出现的服装分类整理，然后混搭服装单品来设计穿搭，用户还可以进行虚拟试穿。
-
欧盟要求安卓开放 AI 功能，谷歌若未按要求调整恐被罚最高 10％ 全球年收入
科技媒体 Ars Technica 昨日（4 月 27 日）发布博文，报道称欧盟委员会初步认定，谷歌在安卓系统中给予 Gemini 系统级优先待遇，限制第三方 AI 服务调用系统功能、屏幕上下文、本地数据和硬件能力。
-
谷歌：内部75%新代码由AI生成，工程师转型为审核员
4月23日消息，据businessinsider报道称，谷歌CEO桑达尔・皮查伊近日披露，公司内部新编写的代码中已有75%由人工智能生成，随后交由人类工程师审核。这一比例在过去一年半内从25%迅速攀升至75%。同时，谷歌将AI使用情况纳入员工绩效考核，并正面临内部关于使用竞争对手工具的微妙博弈。
