通义千问免费新功能：EMO，让照片和视频“活”起来

🧙‍♂️ 诸位好，吾乃斜杠君，编程界之翘楚，代码之大师。算法如流水，逻辑如棋局。

📜 吾之笔记，内含诸般技术之秘诀。吾欲以此笔记，传授编程之道，助汝解技术难题。

📄 吾之文章，不以繁复之言，惑汝耳目；但以浅显之语，引汝入胜。

🚀 若此文对阁下有所裨益，敬请👍🏻-点赞 ⭐ - 收藏 👀 - 关注，不胜感激。

什么是EMO

EMO（Emote Portrait Alive）是由阿里巴巴集团智能计算研究院开发的一个音频驱动的AI肖像视频生成系统，它能够通过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。这一技术的核心在于其高度的表现力和逼真度，能够捕捉并再现人类面部表情的细微差别，包括微妙的微表情，以及与音频节奏相匹配的头部运动。

EMO的主要特点包括：

1.音频驱动的视频生成：无需依赖预先录制的视频片段或3D面部模型，直接根据输入的音频生成视频。

2.高表现力和逼真度：视频生成质量高，能够再现人类表情的细微差别。

3.无缝帧过渡：确保视频帧之间的过渡自然流畅。

4.身份保持：通过FrameEncoding模块保持角色外观与输入图像的一致性。

5.稳定的控制机制：采用速度控制器和面部区域控制器增强稳定性。

6.灵活的视频时长：根据输入音频长度生成任意时长的视频。

7.跨语言和跨风格：适应多种语言和艺术风格，包括中文、英文以及现实主义、动漫和3D风格。

技术报告地址：https://arxiv.org/abs/2402.17485

EMO的使用方法

在手机的软件平台下载通义千问APP，在选择“频道”->“全民舞台”，即可进入使用。

EMO的使用方法简单直观，用户可以通过通义App体验这一前沿技术。首批上线了80多个EMO模板，包括热门歌曲和网络热梗等。用户可以在歌曲、热梗、表情包中任选一款模板，上传一张肖像照片，EMO随即合成演戏唱歌视频。

就是生成时间有些漫长，大概需要15-20分钟左右。

EMO的使用场景

EMO技术的潜力巨大，未来有望应用于数字人、数字教育、影视制作、虚拟陪伴、电商直播等场景。它将为内容创作者提供更多的可能性，使得创意表达不再受限于传统的视频制作方式。随着技术的不断进步和优化，EMO有望成为AI领域的一个重要里程碑。

好了，关于阿里EMO的项目就为大家分享到这里。我为大家整理了关于阿里EMO项目的相关网址，大家可以到这里了解更详细的信息，可以亲自体验一下哦 ：）

官方主页：https://humanaigc.github.io/emote-portrait-alive/

研究论文：https://arxiv.org/abs/2402.17485

GitHub地址：https://github.com/HumanAIGC/EMO

🧙‍♂️ 诸位好，我是斜杠君。全栈技术，正在从事AI应用领域的研究，如果您有关于 AI 或 AI工作流 的特别需求或问题，可以通过 爱发电 向我提问。

爱发电 · 连接创作者与粉丝的会员制平台

👑 阁下若觉此文有益，恳请👍🏻-点赞 ⭐ - 收藏 👀 - 关注，以资鼓励。倘若有疑问或建言，亦请在评论区💬评论 赐教，吾将感激不尽。

 欢迎关注我的公众号