繼OpenAI影片生成模型Sora橫空出世後，阿里巴巴最新也推出了生成式AI模型EMO。只要輸入一張照片和音訊，生成的影片不僅嘴型能跟聲音同步，人物的表情也會跟著說話內容有所變化。但由於EMO目前沒有提供大眾測試用的版本，無法確定影片是否能夠一鍵生成。

美妙歌聲、搭配豐富表情，仔細看，開口唱歌的竟然是照片！

中國網路巨頭阿里巴巴智能計算研究所，近日推出生成式AI模型EMO，只需要輸入一張照片和音訊，就能讓照片中的靜態人物說話及唱歌。逼真的表情動作，讓人不禁想起，OpenAI近期推出的影片生成AI 模型Sora。

手機王總編輯張利安：「Emo它是你只要放一個靜態的圖片，它就可以生成動態的影片。它這個動態影片，其實主要還是著重在人的臉跟表情的部分，它這個影片其實不會是像Sora，可能可以直接讓人做移動，它還是在一定的範圍裡面去講話。」

將Emo和Sora兩者攤開做比較，手機王總編輯張利安指出，相較於EMO，Sora可能對產業的衝擊會比較大，因為Sora能夠根據文字製作動畫；反觀EMO，就算能從圖片變成影片，也還是在固定範圍內去做變化，在使用上仍存在一定的侷限性。

手機王總編輯張利安：「（EMO）可能比較適合用來像AI的主播，或者是說做教育訓練，拿來做播報或是唱歌，或者是說做一些表演。比較是像這種口語的表演的部分。通過這樣的方式，其實可以很快的跟手機上面做一個結合。」

張利安表示，其實要想製作對嘴影片，網路上已有許多類似的APP，只是在應用上面，可能不是那麼精準。如今有了AI模型的加持，若能再結合手機，將能更好的去分享知識與歌聲。（記者楊珩、林家弘／台北採訪報導）