NO.571

作者：科技回旋鏢

校稿：程程 / 編輯：致知

AI領(lǐng)域真是越來越熱鬧了，讓人應(yīng)接不暇。近日，阿里巴巴發(fā)布了一款生成式AI模型，名字叫EMO，聽起來有點(diǎn)奇怪，但是玩起來還真有點(diǎn)東西。只需要一張照片和一段音頻，就能生成一段說話唱歌類型的視頻。操作比較簡單，而且視頻時(shí)長沒有限制。根據(jù)視頻案例，EMO生成的視頻，動(dòng)態(tài)、表情都十分逼真，讓很多用戶玩得不亦樂乎。

2月底，阿里巴巴發(fā)布了自己的AI最新成果，EMO（Emote Portrait Alive）框架。這是由阿里巴巴智能計(jì)算研究院開發(fā)的創(chuàng)新框架。和其它AI框架不同的是，EMO主要功能是通過音頻，來驅(qū)動(dòng)生成富有表現(xiàn)力的肖像視頻。

其最大的不同在于其視頻合成方法。目前行業(yè)主流AI視頻合成技術(shù)是通過3D模型或者面部標(biāo)記的辦法來驅(qū)動(dòng)視頻。

而EMO的合成方式則比較復(fù)雜。從圖片和音頻合成到視頻，這中間使用了多項(xiàng)復(fù)雜的技術(shù)。比如，音頻驅(qū)動(dòng)的視頻生成技術(shù)，直接從給定的圖像和音頻剪輯合成角色頭部視頻。

比較重要的一項(xiàng)技術(shù)是穩(wěn)定性控制機(jī)制。很多AI合成視頻一眼就能看出來，因?yàn)槊娌勘砬榻┯玻驼Z言動(dòng)作根本不匹配。而EMO引入了速度控制器和面部區(qū)域控制器，可以把控面部微表情，使得視頻更具有表現(xiàn)力。觀看網(wǎng)友制作的視頻，視頻人物在唱歌時(shí)還可以根據(jù)歌曲的情感變化而出現(xiàn)面部表情的細(xì)膩?zhàn)兓浅魃瘛?/p>

瀏覽了其他網(wǎng)友通過EMO制作的AI視頻，非常好玩。有網(wǎng)友復(fù)活了自己的偶像，有網(wǎng)友將教材上的歷史人物也復(fù)活了，有很多搞怪視頻，大家玩得不亦樂乎。網(wǎng)友戲言，有了EMO，從此不再emo。

但是EMO網(wǎng)頁是全英文網(wǎng)站，使用網(wǎng)頁翻譯后，語言怪怪的。有英文比較好的，可以嘗試去玩一把。網(wǎng)頁入口可以點(diǎn)擊這里或復(fù)制網(wǎng)址打開：https://humanaigc.github.io/emote-portrait-alive/

當(dāng)然，這個(gè)EMO還只是一個(gè)文生擬真視頻，只不過是做的更流暢和逼真，邏輯上，跟Sora還是有天壤之別。

這幾年，阿里在AI上可是花重金，下了大功夫的。看看EMO網(wǎng)頁上關(guān)于該項(xiàng)目背后團(tuán)隊(duì)的介紹就知道，阿里在EMO上是燒了不少經(jīng)費(fèi)的。

早在去年，阿里CEO吳泳銘就提出了“AI驅(qū)動(dòng)、公共云優(yōu)先”的戰(zhàn)略，目標(biāo)就是要為各行業(yè)提供高效穩(wěn)定的AI基礎(chǔ)設(shè)施。阿里在去年推出了多個(gè)AI產(chǎn)品，比如語言大模型通義千問、淘寶面向C端客戶的AI導(dǎo)購淘寶問問、繪畫大模型通義萬相、AI寫真工具妙鴨相機(jī)等等。

目前，各大互聯(lián)網(wǎng)公司推出的AI產(chǎn)品真是應(yīng)接不暇，AI已經(jīng)在互聯(lián)網(wǎng)無處不在。

除了百度，字節(jié)旗下的剪映等工具也推出了諸多AI功能。

但是，文生視頻AI工具的大量使用，也引發(fā)了諸多擔(dān)憂。主要是一個(gè)老生常談的問題，肖像權(quán)和詐騙問題。

用戶只需要上傳照片和音頻就可以生成流暢的視頻，很容易涉及肖像權(quán)問題。這個(gè)問題已經(jīng)屢見不鮮了，甚至已經(jīng)有多起判例。另外就是，不少網(wǎng)友擔(dān)心詐騙的問題。AI生成技術(shù)的提高，是不是鑒別AI的技術(shù)也要提高呢？

最后，提醒一下各位，目前EMO還沒有開源，玩玩就好，防止被騙。