本文转自：每日商报
商报讯（记者 王彬彬）近日，又一款AI模型EMO上线通义千问App。输入一段音频、一张照片，就能让图中人物开口唱歌说话，让奥黛丽赫本唱《上春山》、陶俑仕女说英文RAP、爱因斯坦说中文段子。这是继现象级应用“全民舞王”在社交平台掀起“兵马俑跳科目三”“金毛跳舞”热潮后，通义千问解锁的又一种AI模型新玩法。
用户打开通义千问App，进入“全民舞台”频道，就可来到EMO产品页面“全民唱演”。在歌曲、热梗、表情包中任选一款模板，上传肖像照片，EMO随即就能合成视频。首批上线了80多个EMO模板，包括热门歌曲《上春山》《野狼disco》等，网络热梗“钵钵鸡”“回手掏”等。目前通义App暂不开放用户自定义音频，用户只能选择App预置的音频来生成视频。
记者体验过后发现，最终生成的唱歌视频中，原本图片里的人物不仅能准确地对上歌词的口型，连面部表情和眼神也十分的自然。需要提醒的是，用户上传的照片需要确保已获得权利人的同意，除用于AIGC服务外，不得用于其他用途，避免对他人隐私及版权构成侵权。
据了解，EMO与“全民舞王”背后的模型Animate Anyone均出自通义实验室，2月底，阿里通义实验室的一篇论文让EMO火遍海内外，成为继SORA之后最受关注的AI模型之一，模型的产品化进程也广受关注。
EMO背后的肖像说话（Talking Head）技术是当前大热的AIGC领域。EMO之前的Talking Head技术都需针对人脸、人头或者身体部分做3D建模，通义实验室在业界率先提出了弱控制设计，无需建模就可驱动肖像开口说话，不仅降低视频生成成本，还大幅提升了视频生成质量。EMO学习并编码了人类表达情绪的能力，能将音频内容和人物的表情、嘴型匹配，还能把音频的语气特征和情绪色彩反映到人物微表情上。
如今，EMO通过通义千问App开放给所有用户免费使用，未来，EMO技术有望应用于数字人、数字教育、影视制作、虚拟陪伴、电商直播等场景。不仅如此，近期，通义App还陆续推出了超长文档解析、AI编码助手、AI会议助手等免费使用功能，通义大模型正在成为越来越多用户的超级AI助手。
微信扫一扫打赏
支付宝扫一扫打赏
发表评论
评论列表(0)