撰稿 | 伊風

整個2月，Sora 可謂是當之無愧的 AI 明星，公布的兩波 AI 視頻吸睛無數。沒想到在2月末尾，還能有另一位視頻生成“選手”讓我們感到驚喜！

那就是阿里新推出的視頻生成框架——EMO (Emote Portrait Alive) 。EMO 基于擴散模型，只需要提供圖像和音頻就可以生成富有表現力的肖像視頻。從公布的視頻來看，EMO 在生成肖像的動作、口型及表情等方面均表現不俗，展現了與 Sora 一樣豐富的“可玩性”，能完成許多具有想象力和創造性的各類視頻。

EMO 驅動的肖像不僅可以唱歌、口語對白，甚至還能為你秀一段快嘴說唱。示例視頻中展現了 EMO 多樣的生成能力和優越的實現效果，含有阿里團隊的大量“官方整活”。

通過 EMO，你可以讓蒙娜麗莎不再只是神秘微笑，轉而縱情高歌一首時下的熱曲《flowers》；讓蔡徐坤去秀一段快嘴，成為比肩姆爺的“rap god”;或者讓反派高啟強改邪歸正加入普法隊伍……不得不說，每一支視頻都腦洞大開。

1.歌聲驅動，人人都能當歌星

畫面中 AI 生成的蒙娜麗莎，正站在她那神秘、幽靜的山巒之間，遠處是無際的綠植與道路。置身于這樣的美景之間，蒙娜麗莎情不自禁地唱起麥莉·賽勒的《flowers》。唱到陶醉之時的蒙娜麗莎不僅會流露自信的笑容，還間或閉上眼睛，完全沉醉在歌唱之中，給人非常真實的視聽體驗。

Sora 視頻中那位走在巴黎街頭的皮衣女士也來體驗了一把 EMO 的生成效果。在該視頻中“Sora 女士”不僅頭部運動自然，發力時眉毛的運動及換氣的感覺也都讓人十分驚喜。此外， EMO 對于耳環的擺動、甚至墨鏡中反光的倒影也進行了較為逼真的還原。

2.二次元到三次元，多個語種都能唱

視頻中銀發綠瞳的精致女孩正面朝陽光，唱著寧藝卓翻唱版本的《Melody》，中英文切換時自然流暢。值得一提的是，驅動這支視頻的圖像也由 AI 生成，但整體呈現的效果猶如一位真實的美女主播。

畫面中的“哥哥”張國榮正唱著 Eason 的那首《無條件》。有網友認為，這支視頻暴露了EMO 在跟隨粵語時生成的口型不夠自然。不知道大家欣賞這支視頻時，是否會有“音畫不同步”的感覺。當然，這支視頻中哥哥愉悅的積極情緒與《無條件》歌詞的情感基調有斷裂，這可能也是讓我們感到“哪里不對”的原因之一。

3.語速快如rap god，也不留破綻

視頻中還沒成為中年大叔的貌美版“小李子”，正唱著阿姆的《GODZILLA》。從驅動視頻來看，肖像人物的表情與說唱的節奏配合自然，中間停頓時的神情也極具感染力。

以下視頻來源于

往事如歌

沒有比讓坤坤唱《rap god》更抽象的整活了。不知道為何，兩個說唱的示例都選擇了“姆爺”的歌曲，這可能也是阿里團隊的一種炫技。

4.對白也能 hold 住，反派普法不是夢

視頻采用了《The Dark Knight》 2008 Jocker 的經典臺詞，“Why so serious? Let's put a smile on that face ” 驅動了 2019 版 Jocker 。小丑臉上的油彩隨著肌肉的運動而自然運動著。

這支視頻讓強哥和“法外狂徒張三”聯動了一把。視頻中的高啟強為大家解讀“緊急避險”的概念，看來強哥不僅可以吃魚，餓到快死的時候吃點熊貓、金絲猴也是可以的。

視頻來源：https://humanaigc.github.io/emote-portrait-alive/