"让四郎开口唱“朕EMO啦”？Sora的国产AI视频工具又硬刚爆红！"

“嬛嬛，朕emo啦!”

此前，一位名为“奶茶小肥仔”的博主靠模仿陈建斌的声线唱歌走红，“朕emo啦”“朕能不能睡中间”等网络热梗广为流传。新榜旗下数据工具新抖显示，“奶茶小肥仔”在抖音半年粉丝量飙升370万。

在他的视频中，网友往往只能看到《甄嬛传》的素材剪辑，如今，一款EMO模型的出现，让网友直接看到了“皇上开口唱歌”这一毫无违和感的画面。

近期，阿里通义实验室研发的AI视频生成模型“EMO”上线通义APP“全民舞台”频道，经测试，只需上传一张大头照，就可以让人物照片动起来，根据App预置的音频模板生成演唱视频。

阿里EMO模型于今年2月公开技术论文，产品化仅用了两个多月的时间。

从官方演示被一众科技圈KOL轮番转发、引爆话题度，到4月25日正式上线通义App，传出服务器一度被挤爆。

这款被外媒誉为“Sora之后最受期待的大模型之一”，真实使用效果究竟如何?Sora引发新一轮AI视频生成浪潮，国内大厂中为什么频频出圈的是阿里?“头号AI玩家”进行了一番探究。

EMO模型应用领域如何拓展?

一张图片就能生成唱歌视频了!

想听玛丽莲梦露唱《科目三》?安排!

想让《甄嬛传》的四郎开口唱“嬛嬛朕想睡中间”?安排!

以上两段视频，都是在通义App中用一张图片自动生成的。

4月25日，EMO模型正式上线通义App，EMO是Emote Portrait Alive的缩写，作为一款音频驱动的肖像视频生成框架，EMO可以根据输入视频的长度生成任意持续时间的视频。今年2月，阿里巴巴发布了这款全新的生成式AI模型EMO并公布了技术论文（链接已同步至文末）。

论文信息显示，在EMO之前的肖像说话（Talking Head）技术需针对人脸或身体部分做3D建模，通义实验室率先提出了弱控制设计，无需建模就可驱动肖像开口说话，大大降低了视频制作成本;

此外，EMO还学习并编码了人类表达情绪的能力，可以匹配音频内容和人物的表情、嘴型，还能将音频语气特征和情绪色彩呈现

本文链接：https://www.24zzc.com/news/171553687372832.html