阿里云宣布自研 EMO 模型上线通义 App，用照片 + 音频生成唱歌视频

图片地址：https://img.ithome.com/newsuploadfiles/2024/4/c0e7487b-b457-4dd3-8c3d-698cd945d39e.png?x-bce-process=image/format,f_auto

IT之家 4 月 25 日消息，EMO（Emote Portrait Alive）是一个由阿里巴巴集团智能计算研究院开发的框架，一个音频驱动的 AI 肖像视频生成系统，能够通过输入单一的参考图像和语音音频，生成具有表现力的面部表情和各种头部姿势的视频。阿里云今日宣布，通义实验室研发的 AI 模型 ——EMO 正式上线通义 App，并开放给所有用户免费使用。借助这一功能，用户可以在歌曲、热梗、表情包中任选一款模板，然后通过上传一张肖像照片就能让 EMO 合成演戏唱歌视频。据介绍，通义 App 首批上线了 80 多个 EMO 模板，包括热门歌曲《上春山》《野狼 Disco》等，还有网络热梗“钵钵鸡”“回手掏”等，但目前暂未不开放自定义音频。IT之家附 EMO 官网入口：官方项目主页：https://humanaigc.github.io/emote-portrait-alive/arXiv 研究论文：https://arx