阿里巴巴集团推出全新AI工具Emote Portrait Alive（EMO）。该工具可将静态照片转化为动态视频，并实现口型与语音的精准同步。
EMO能根据音频源自动调节语速，确保视频中人物的手势与表情自然协调、高度一致。
其核心技术包含两大组件：一是图像识别模块，负责从参考图中生成动态帧；二是音频分析模块，用于提取关键特征点并与图像匹配，最终合成视频。
训练数据集涵盖对话、影视及歌曲表演等多类素材，总时长超过250小时，来源广泛且丰富。
实验数据显示，EMO在视频质量与表现力上显著优于现有方案；用户研究亦证实，其生成内容更具自然感与情感张力。
尽管行业竞争激烈，但技术滥用风险仍受关注。研究人员正持续开发检测机制，以防范合成视频被恶意使用。
相关示例视频可在此处查看。