支撑中英韩等言语。号称利用了跨越250小时的专业视频进行锻炼，研究团队分享了几段由EMO框架生成的 DEMO 演示片段，研究人员起首操纵参考收集（ReferenceNet）从参考图像和动做帧中提取特征，声称EMO不只可以或许发生令人信服的措辞视频，再连系多帧噪声和面部区域掩码来生成视频，IT之家留意到，
据悉，该框架号称能够用于“对口型”，模子就可以或许让照片中的人物启齿说出相关音频，阿里巴巴研究团队近日发布了一款名为“EMO（Emote Portrait Alive）”的 AI 框架，只需要输入人物照片及音频，以确保视频中脚色身份的分歧性和动做的天然流利。
