EMO(Emote Portrait Alive)是一個(gè)由阿里巴巴集團(tuán)智能計(jì)算研究院開(kāi)發(fā)的框架，一個(gè)音頻驅(qū)動(dòng)的 AI 肖像視頻生成系統(tǒng)，能夠通過(guò)輸入單一的參考圖像和語(yǔ)音音頻，生成具有表現(xiàn)力的面部表情和各種頭部姿勢(shì)的視頻。

　　阿里云宣布，通義實(shí)驗(yàn)室研發(fā)的 AI 模型 ——EMO 正式上線通義 App，并開(kāi)放給所有用戶免費(fèi)使用。借助這一功能，用戶可以在歌曲、熱梗、表情包中任選一款模板，然后通過(guò)上傳一張肖像照片就能讓 EMO 合成演戲唱歌視頻。

　　據(jù)介紹，通義 App 首批上線了 80 多個(gè) EMO 模板，包括熱門歌曲《上春山》《野狼 Disco》等，還有網(wǎng)絡(luò)熱梗“缽缽雞”“回手掏”等，但目前暫未不開(kāi)放自定義音頻。

　　EMO 的主要特點(diǎn)

　　音頻驅(qū)動(dòng)的視頻生成：EMO 能夠根據(jù)輸入的音頻(如說(shuō)話或唱歌)直接生成視頻，無(wú)需依賴于預(yù)先錄制的視頻片段或 3D 面部模型。

　　高表現(xiàn)力和逼真度：EMO 生成的視頻具有高度的表現(xiàn)力，能夠捕捉并再現(xiàn)人類面部表情的細(xì)微差別，包括微妙的微表情，以及與音頻節(jié)奏相匹配的頭部運(yùn)動(dòng)。

　　無(wú)縫幀過(guò)渡：EMO 確保視頻幀之間的過(guò)渡自然流暢，避免了面部扭曲或幀間抖動(dòng)的問(wèn)題，從而提高了視頻的整體質(zhì)量。

　　身份保持：通過(guò) FrameEncoding 模塊，EMO 能夠在視頻生成過(guò)程中保持角色身份的一致性，確保角色的外觀與輸入的參考圖像保持一致。

　　穩(wěn)定的控制機(jī)制：EMO 采用了速度控制器和面部區(qū)域控制器等穩(wěn)定控制機(jī)制，以增強(qiáng)視頻生成過(guò)程中的穩(wěn)定性，避免視頻崩潰等問(wèn)題。

　　靈活的視頻時(shí)長(zhǎng)：EMO 可以根據(jù)輸入音頻的長(zhǎng)度生成任意時(shí)長(zhǎng)的視頻，為用戶提供了靈活的創(chuàng)作空間。

　　跨語(yǔ)言和跨風(fēng)格：EMO 的訓(xùn)練數(shù)據(jù)集涵蓋了多種語(yǔ)言和風(fēng)格，包括中文和英文，以及現(xiàn)實(shí)主義、動(dòng)漫和 3D 風(fēng)格，這使得 EMO 能夠適應(yīng)不同的文化和藝術(shù)風(fēng)格。

（邯鄲微信開(kāi)發(fā)）

高德發(fā)布好的出租3.0 高...

華為鴻蒙智行首款行政級(jí)...