OK官方网站首页

EMO（Emote Portrait Alive）是什么：

EMO是一个由阿里巴巴集团智能计算研究院研发的音频驱动的AI肖像视频生成系统。该系统能够根据输入的单一参考图像和语音音频生成具有表现力的面部表情和各种头部姿势的视频。它能捕捉人类表情的细微差别和个体面部风格的多样性，生成高度逼真和富有表现力的动画。

主要特点：

• 音频驱动的视频生成：支持从音频（如说话或唱歌）直接生成视频。
• 高表现力和逼真度：捕捉人类面部表情的细微差别，包括微表情和头部运动。
• 无缝帧过渡：确保视频帧间过渡自然，避免面部扭曲或抖动。
• 身份保持：通过FrameEncoding模块保持角色身份的一致性。
• 稳定的控制机制：使用速度控制器和面部区域控制器增强生成稳定性。
• 灵活的视频时长：根据输入音频长度生成任意时长的视频。
• 跨语言和跨风格：支持多种语言和风格，包括中文、英文、现实主义、动漫和3D风格。

主要功能：

1. 音频驱动的视频生成：输入音频和参考图像，生成同步的视频。
2. 高表现力和逼真度：生成捕捉细微表情和头部运动的视频。
3. 无缝帧过渡：提供流畅的视频观看体验。
4. 身份保持：确保视频中角色外观与输入参考图像一致。
5. 稳定的控制机制：通过控制机制保证视频生成过程的稳定性。