谷歌学术的Enric Corona及其团队开发了一种名为VLOGGER的工具，该工具可以根据一张照片生成高分辨率的人物对话视频。该工具能够通过动画来准确描绘面部表情和身体动作，使其成为高保真度的"化身"。团队认为VLOGGER可以应用于帮助台头像、在线沟通、教育和个性化虚拟助手等领域。然而，它也有潜在被滥用以制作深度伪造视频或篡改视频的风险。VLOGGER结合了多模态、大型语言模型和扩散技术，以创建逼真的视频。该团队训练了一个神经网络，使其能够将音频与视频帧关联起来以同步运动和表情。该工具可以通过微调进行进一步个性化，并在眨眼和嘴巴动作等特征上提供控制。尽管VLOGGER提供了一种操纵高分辨率视频的方式，但对潜在滥用的担忧和检测深度伪造视频的需求仍然存在。