Faire dire n’importe quoi à n’importe qui sera bientôt très facile

Des chercheurs en technologies graphiques de l’université de Stanford ont présenté une nouvelle méthode pour truquer les vidéos, afin de modifier très rapidement et facilement ce que dit une personne filmée. La technique baptisée Face2Face permet au truqueur de parler devant sa webcam, et de voir ses paroles reproduites en temps réel sur le visage de la victime.

Pour réaliser cette performance, Face2Face est d’abord entraîné sur YouTube avec des vidéos qui permettent d’acquérir et de modéliser en 3D la bouche de la personne victime du trucage, pour pouvoir redessiner sa forme en fonction des phonèmes à prononcer et de leur enchaînement.

Puis l’animation est collée sur le visage de la cible, en temps réel, en fonction de l’orientation détectée du visage. Le tout est réalisé avec une simple webcam RGB pour obtenir les données d’animation, alors que de précédents travaux utilisaient une webcam équipée également d’un capteur de profondeur.

Le résultat est totalement bluffant de réalisme, même s’il reste perfectible. En particulier il ne s’agit pour le moment que de l’animation de la bouche, mais les yeux ne sont pas modifiés. Or une grande partie de l’expression et du réalisme d’un discours passe aussi par les mouvements des sourcils et des yeux, qui renforcent ce qui est prononcé.

Reste à y ajouter le moteur de synthèse vocal préparé par Microsoft, qui imite même le timbre de la personne, et le trucage complet d’un discours sera accessible au quidam.