Emo
央视点赞国产AI复活召唤术，兵马俑竟与宝石老舅对唱Rap？
沉睡了两千多年的兵马俑，苏醒了？一句秦腔开场，将我们带到了黄土高原。如果不是亲眼所见，很多观众可能难以想象，有生之年还能看到兵马俑和宝石 Gem 同台对唱《从军行》。「青海长云暗雪山，孤城遥望玉门关。」古调虽存音乐变，声音依旧动人情：这场表演背后的「AI 复活召唤术」，叫做 EMO，来自阿里巴巴通义实验室。仅仅一张照片、一个音频，EMO 就能让静止形象变为惟妙惟肖的唱演视频，且精准卡点音频中的跌宕起伏、抑扬顿挫。在央视《2024 中国・AI 盛典》中，同样基于 EMO 技术，北宋文学家苏轼被「复活」，与李玉刚同台合
提前 0.9 秒预测，Emo 机器人问世：能同步模仿你的面部表情
名为 Emo 的仿人机器人近日问世，它会观察你的面部表情，然后可以镜像模仿你的面部表情，达到你笑它也笑的效果。人工智能（AI）目前快速发展，现在固然可以在很大程度上模仿人类语言，不过放在实体机器人中，互动往往会产生“恐怖谷理论”（Uncanny Valley），一个重要的原因是机器人无法复制复杂的非语言暗示和举止。纽约哥伦比亚大学的霍德・利普森（Hod Lipson）及其同事们创造了一个名为 Emo 的机器人，它利用人工智能模型和高分辨率摄像头预测人们的面部表情，并试图复制这些表情。它能在某人微笑前约 0.9 秒预
让Sora东京女郎唱歌、高启强变声罗翔，阿里人物口型视频生成绝了
有了阿里的 EMO，AI 生成或真实的图像「动起来说话或唱歌」变得更容易了。最近，以 OpenAI Sora 为代表的文生视频模型又火了起来。而除了文本生成视频之外，以人为中心的视频合成也一直是研究的焦点，比如专注于说话人头部（Talking Head）的视频生成，它的目标是根据用户提供的音频片段来生成面部表情。从技术上来看，生成表情需要捕获说话人微妙和多样化的面部动作，由此对此类视频合成任务提出了重大挑战。传统方法通常会对最终的视频输出施加限制，以简化任务。比如，一些方法使用 3D 模型来限制面部关键点， 另一些
- 1