3月1日消息，阿里巴巴集團智能計算研究院日前上線了一款新的AI圖片-音頻-視頻模型技術EMO，官方稱其為“一種富有表現力的音頻驅動的肖像視頻生成框架。

　　據悉，用戶只需要提供一張照片和一段任意音頻文件，EMO即可生成會說話唱歌的AI視頻，以及實現無縫對接的動態小視頻，最長時間可達1分30秒左右。表情非常到位，任意語音、任意語速、任意圖像都可以一一對應。

　　比如《狂飆》電視劇中“高啟強”暢談羅翔普法;某人的一張圖片，就能通過其他音頻配合“唱出”一首rapper饒舌，連口型都幾乎一模一樣;甚至前不久OpenAI發布的Sora案例視頻里面，一位AI生成的帶墨鏡的日本街頭女主角，現在不僅能讓她開口說話，而且還能唱出好聽的歌曲。