把一段音頻、一張照片輸入AI模型，就能讓圖中人物開(kāi)口唱歌說(shuō)話，讓奧黛麗赫本唱《上春山》、陶俑仕女說(shuō)英文RAP、愛(ài)因斯坦說(shuō)中文段子。不久前，這款名為EMO的模型因?yàn)榘⒗锿x實(shí)驗(yàn)室的一篇論文火遍海內(nèi)外，模型的產(chǎn)品化進(jìn)程也廣受關(guān)注。4月25日，EMO終于上線通義APP，開(kāi)放給所有用戶(hù)免費(fèi)使用。

打開(kāi)通義APP，進(jìn)入“全民舞臺(tái)”頻道，就可來(lái)到EMO產(chǎn)品頁(yè)面“全民唱演”。在歌曲、熱梗、表情包中任選一款模板，上傳肖像照片，EMO隨即就能合成視頻。

通義APP首批上線了80多個(gè)EMO模板，包括熱門(mén)歌曲《上春山》《野狼disco》等，網(wǎng)絡(luò)熱梗“缽缽雞”“回手掏”等。目前通義APP暫不開(kāi)放用戶(hù)自定義音頻，用戶(hù)只能選擇APP預(yù)置的音頻來(lái)生成視頻。

EMO是通義實(shí)驗(yàn)室研發(fā)的AI模型，其背后的肖像說(shuō)話（Talking Head）技術(shù)是當(dāng)前大熱的AIGC領(lǐng)域。EMO之前的Talking Head技術(shù)都需針對(duì)人臉、人頭或者身體部分做3D建模，通義實(shí)驗(yàn)室在業(yè)界率先提出了弱控制設(shè)計(jì)，無(wú)需建模就可驅(qū)動(dòng)肖像開(kāi)口說(shuō)話，不僅降低視頻生成成本，還大幅提升了視頻生成質(zhì)量。EMO學(xué)習(xí)并編碼了人類(lèi)表達(dá)情緒的能力，能將音頻內(nèi)容和人物的表情、嘴型匹配，還能把音頻的語(yǔ)氣特征和情緒色彩反映到人物微表情上。

2月底，通義實(shí)驗(yàn)室公布相關(guān)論文，EMO隨之成為繼SORA之后最受關(guān)注的AI模型之一。現(xiàn)在，通義APP讓所有人都可免費(fèi)體驗(yàn)前沿模型的創(chuàng)造力。未來(lái)，EMO技術(shù)有望應(yīng)用于數(shù)字人、數(shù)字教育、影視制作、虛擬陪伴、電商直播等場(chǎng)景。

通義APP近期爆款頻出，現(xiàn)象級(jí)應(yīng)用“全民舞王”曾在社交平臺(tái)掀起“兵馬俑跳科目三”“金毛跳舞”的熱潮，全民舞王背后的模型Animate Anyone也出自通義實(shí)驗(yàn)室。近期，通義APP還陸續(xù)推出了超長(zhǎng)文檔解析、AI編碼助手、AI會(huì)議助手等免費(fèi)實(shí)用功能。通義大模型正在成為越來(lái)越多用戶(hù)的超級(jí)AI助手。