一张照片，想唱就唱！国产大模型推出照片唱歌功能

把一段音频、一张照片输入AI模型，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。不久前，这款名为EMO的模型因为阿里通义实验室的一篇论文火遍海内外，模型的产品化进程也广受关注。日前据南方+记者获悉，EMO终于上线通义APP，开放给所有用户免费使用。

南方+记者体验发现，用户只需要打开通义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。

据介绍，通义APP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。

资料显示，EMO是通义实验室研发的AI模型，其背后的肖像说话（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。

2月底，通义实验室公布相关论文，EMO随之成为继SORA之后最受关注的AI模型之一。现在，通义APP让所有人都可免费体验前沿模型的创造力。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。

南方+记者叶丹

【作者】叶丹

【来源】南方报业传媒集团南方+客户端

友情提示

本站部分转载文章，皆来自互联网，仅供参考及分享，并不用于任何商业用途；版权归原作者所有，如涉及作品内容、版权和其他问题，请与本网联系，我们将在第一时间删除内容！

联系邮箱：1042463605@qq.com