鞭牛士 3月1日消息，阿里巴巴集团智能计算研究院日前上线了一款新的AI图片-音频-视频模型技术EMO，官方称其为“一种富有表现力的音频驱动的肖像视频生成框架。

据悉，用户只需要提供一张照片和一段任意音频文件，EMO即可生成会说话唱歌的AI视频，以及实现无缝对接的动态小视频，最长时间可达1分30秒左右。表情非常到位，任意语音、任意语速、任意图像都可以一一对应。