阿里巴巴研究团队近日发布了一款名为“EMO（Emote Portrait Alive）”的 AI 框架，该框架号称可以用于“对口型”，只需要输入人物照片及音频，模型就能够让照片中的人物开口说出相关音频，支持中英韩等语言。据悉，EMO 基于英伟达的 Audio2Video 扩散模型
打造，号称使用了超过 250 小时的专业视频进行训练，从而得到了相关 AI 框架。（来源：IT之家）