阿里推声画同步框架EMO 1张图片加音频即可生成对口型视频
要点:
阿里提出了EMO框架,阿里可根据单张图像和声音生成具有表情丰富的推声头像视频。
方法包括两个主要阶段:帧编码和扩散过程,画同利用多种注意机制和时间模块实现头像生成。步框
EMO支持多语言歌曲和不同风格的架E即头像生成,可应用于歌唱、张图对话和跨角色表演等领域。片加频
CSS站长资源(ChinaZ.com)2月28日 消息:近期,音频阿里巴巴智能计算研究所提出了一种新的生成生成式框架EMO,只需输入图片和音频即可生成具有表现力的对口视频,而且视频中的型视嘴型还可以与声音匹配。这项技术支持多语言、阿里对话、推声唱歌以及快速语速的画同适配,但也可能成为造假的步框利器,因此一些名人可能需要警惕了。
该框架包含两个主要阶段,首先是帧编码阶段,利用ReferenceNet从参考图像和动作帧中提取特征;其次是扩散过程阶段,通过预训练的音频编码器处理声音嵌入,并结合多帧噪声和面部区域掩码来生成头像。在此过程中,采用了两种注意机制(参考注意和音频注意)和时间模块,以保持角色身份并调节运动速度。
项目地址:https://top.aibase.com/tool/emo
EMO不仅支持多语言歌曲和不同风格的头像生成,还可以处理歌唱、对话等不同场景。它能够根据输入音频的长度生成不同时长的视频,并保持角色的身份特征在长时间内的稳定性。此外,EMO还展示了在快节奏音乐中保持与音频同步的能力,确保角色动画的表现力和动态性。
这一研究对于头像视频生成领域具有重要意义,为多语言、多样化场景下的角色表现提供了新的可能性。它不仅可以应用于娱乐产业,还可以在学术研究和教育培训等领域发挥重要作用。然而,需要注意的是,该框架目前仅用于学术研究和效果演示,还有待进一步优化和扩展其应用范围。
(责任编辑:自媒体)
- ·分析数百个涨粉新星,我找到了小红书内容赛道的3个趋势
- ·大模型免费时代来了!腾讯自研混元大模型全面降价:混元-lite模型免费
- ·苹果的影像手机!iPhone 16 Pro Max影像规格出炉
- ·周鸿祎解释车展爬车顶原因:无心插柳 一直在练习攀岩
- ·Coze中文版体验入口 字节中国版免费GPTs「扣子」AI应用使用地址
- ·茶饮门店用KOC玩法一年赚1000多万!
- ·AI日报:讯飞星火Lite API免费;李开复称大模型疯狂降价是双输;AI末日滤镜抖音爆火;AI音乐Suno 融资1.25亿美元
- ·全栈自研!一文了解小米SU7 Pro标配的小米智驾Max
- ·免费领!雷军龙年限量红包封面来了:雷军与小米SU7帅气合照
- ·iPhone 16渲染图曝光 竖排双摄重回iPhone X时代