阿里EMO是用音频驱动照片生成视频，给定一个人物肖像和一段语音，即可生成给定人物肖像输出给定语音的视频。与以往的对口型不同，包括了人物的神态和头部动作，十分逼真

。

具体演示效果可见https://www.jiuyangongshe.com/article/edit?type=long

可以让赫本讲故事，可以让蒙娜丽莎读课文，可以让AI美女来一曲（内心os：原来的AI美女只有静态图还好能顶，这直接真情给你唱歌谁顶得住啊。）

AI这么发展，三分钟打造一个心动女生太简单了。赫本面对面聊天，谁也顶不住。

这个应用思路好的点在于放弃了最难的四肢/手指等细节，用语言+肖像图（肖像图还可以用AI生成）生成视频，只做头部/面部动作生成（非对口型，而是生成完整视频）。这样避开了Sora在大画面上保持一致性、稳定性等等难点，只在一个点上形成突破，第一人称大头出镜类短视频完全颠覆，NPC无限逼真。

而这个单点的突破则是正好能直接进入生产力的，可以想见的应用如下——

1、短视频平台人物打造，虚拟人物+音频=视频，低成本无限产出

2、互动剧情游戏演员，直视对话轻松完成

3、部分影视剧、短剧人物大段台词特写镜头无需实拍，演员可以不用换头，也不用数1234567，利好流量爱豆

4、游戏NPC设计，灵活逼真

5、听歌时封面可以直接合成歌手演唱视频，沉浸式收听

6、黑暗向应用是诈骗等视频，直接视频通话都可能发现不了，防不胜防了

利好：互动剧情游戏、大量逼真NPC需求的游戏、短视频运营方、影音制作、影音娱乐平台

风险：论文阶段，产品未对外发布