一段音訊就能驅動照片唱歌？是真的！EMO模型上線通義APP

來源：糗事百科 釋出時間：2024-04-26 05:36

極目新聞記者 周丹

只需要一段音訊、一張照片，就能讓人物開口唱歌說話？是真的！讓奧黛麗赫本唱《上春山》、陶俑仕女說英文RAP、愛因斯坦說中文段子……都能成為現實！

不久前，這款名為EMO的模型因為阿里通義實驗室的一篇論文火遍海內外，模型的產品化程序也廣受關注。4月25日，EMO終於上線通義APP，並開放給所有使用者免費使用。

25日，極目新聞記者開啟通義APP，進入“全民舞臺”頻道，看到EMO產品頁面顯示有“全民唱演”。在歌曲、熱梗、表情包中任選一款模板，上傳肖像照片，EMO隨即就能合成影片。

記者隨機生成了一段會說話唱歌的 AI 影片，以及實現無縫對接的動態小影片，最長時間可達1分30秒左右。影片中，人物表情非常到位，任意語音、任意語速、任意影象都可以一一對應。

記者看到，首批上線了80多個EMO模板，包括熱門歌曲《上春山》《野狼disco》等，更不乏網路熱梗“缽缽雞”“回手掏”等。不過，記者嘗試自定義音訊發現，目前暫不開放，只能選擇APP預置的音訊來生成影片。

據瞭解，EMO是通義實驗室研發的AI模型，其背後的肖像說話（Talking Head）技術是當前大熱的AIGC領域。EMO之前的Talking Head技術都需針對人臉、人頭部或者身體部分做3D建模，通義實驗室在業界率先提出了弱控制設計，無需建模就可驅動肖像開口說話，不僅降低影片生成成本，還大幅提升了影片生成質量。EMO學習並編碼了人類表達情緒的能力，能將音訊內容和人物的表情、嘴型匹配，還能把音訊的語氣特徵和情緒色彩反映到人物微表情上。

今年2月底，通義實驗室公佈相關論文，EMO隨之成為繼SORA之後最受關注的AI模型之一。現在，通義APP讓所有人都可免費體驗前沿模型的創造力。未來，EMO技術有望應用於數字人、數字教育、影視製作、虛擬陪伴、電商直播等場景。

（來源：極目新聞）

更多精彩資訊請在應用市場下載“極目新聞”客戶端，未經授權請勿轉載，歡迎提供新聞線索，一經採納即付報酬。

極目新聞記者 周丹

只需要一段音訊、一張照片，就能讓人物開口唱歌說話？是真的！讓奧黛麗赫本唱《上春山》、陶俑仕女說英文RAP、愛因斯坦說中文段子……都能成為現實！

不久前，這款名為EMO的模型因為阿里通義實驗室的一篇論文火遍海內外，模型的產品化程序也廣受關注。4月25日，EMO終於上線通義APP，並開放給所有使用者免費使用。

25日，極目新聞記者開啟通義APP，進入“全民舞臺”頻道，看到EMO產品頁面顯示有“全民唱演”。在歌曲、熱梗、表情包中任選一款模板，上傳肖像照片，EMO隨即就能合成影片。

記者隨機生成了一段會說話唱歌的 AI 影片，以及實現無縫對接的動態小影片，最長時間可達1分30秒左右。影片中，人物表情非常到位，任意語音、任意語速、任意影象都可以一一對應。

記者看到，首批上線了80多個EMO模板，包括熱門歌曲《上春山》《野狼disco》等，更不乏網路熱梗“缽缽雞”“回手掏”等。不過，記者嘗試自定義音訊發現，目前暫不開放，只能選擇APP預置的音訊來生成影片。

極目新聞記者 周丹

只需要一段音訊、一張照片，就能讓人物開口唱歌說話？是真的！讓奧黛麗赫本唱《上春山》、陶俑仕女說英文RAP、愛因斯坦說中文段子……都能成為現實！

不久前，這款名為EMO的模型因為阿里通義實驗室的一篇論文火遍海內外，模型的產品化程序也廣受關注。4月25日，EMO終於上線通義APP，並開放給所有使用者免費使用。

25日，極目新聞記者開啟通義APP，進入“全民舞臺”頻道，看到EMO產品頁面顯示有“全民唱演”。在歌曲、熱梗、表情包中任選一款模板，上傳肖像照片，EMO隨即就能合成影片。

記者隨機生成了一段會說話唱歌的 AI 影片，以及實現無縫對接的動態小影片，最長時間可達1分30秒左右。影片中，人物表情非常到位，任意語音、任意語速、任意影象都可以一一對應。

記者看到，首批上線了80多個EMO模板，包括熱門歌曲《上春山》《野狼disco》等，更不乏網路熱梗“缽缽雞”“回手掏”等。不過，記者嘗試自定義音訊發現，目前暫不開放，只能選擇APP預置的音訊來生成影片。

極目新聞記者 周丹

只需要一段音訊、一張照片，就能讓人物開口唱歌說話？是真的！讓奧黛麗赫本唱《上春山》、陶俑仕女說英文RAP、愛因斯坦說中文段子……都能成為現實！

不久前，這款名為EMO的模型因為阿里通義實驗室的一篇論文火遍海內外，模型的產品化程序也廣受關注。4月25日，EMO終於上線通義APP，並開放給所有使用者免費使用。

25日，極目新聞記者開啟通義APP，進入“全民舞臺”頻道，看到EMO產品頁面顯示有“全民唱演”。在歌曲、熱梗、表情包中任選一款模板，上傳肖像照片，EMO隨即就能合成影片。

記者隨機生成了一段會說話唱歌的 AI 影片，以及實現無縫對接的動態小影片，最長時間可達1分30秒左右。影片中，人物表情非常到位，任意語音、任意語速、任意影象都可以一一對應。

記者看到，首批上線了80多個EMO模板，包括熱門歌曲《上春山》《野狼disco》等，更不乏網路熱梗“缽缽雞”“回手掏”等。不過，記者嘗試自定義音訊發現，目前暫不開放，只能選擇APP預置的音訊來生成影片。