阿里云近日又带来一项重磅更新——由通义实验室研发的视频生成模型EMO，现已正式登陆通义App，并面向所有用户免费开放。简单来说，你只需在App内挑选一个模板（例如热门歌曲、网络热梗或表情包），再上传一张个人照片，EMO就能自动为你合成一段“边唱边演”的短视频。

阿里云在视频生成领域的创新

首先来聊聊EMO到底是什么。它的全称是Emote Portrait Alive，由阿里巴巴智能计算研究院打造，本质上是一套基于音频驱动的AI肖像视频生成系统。具体实现原理是：你只需提供一张参考图像（人物肖像），再给出一段音频（可以是语音、歌曲，甚至是你喜欢的BGM），EMO就能自动输出一段表情丰富、头部动作自然的视频，且这些动作与表情会与音频内容精确同步。

值得关注的是，通义App首批已上线80多个EMO模板，包括《上春山》《野狼Disco》等热门歌曲，以及网络流行表情包梗“钵钵鸡”“回手掏”等。自今年2月底公布论文以来，该模型在国内外引发了广泛关注，甚至有用户将其与OpenAI的Sora相提并论。

音频驱动，一张照片即可成为主角

从功能体验来看，EMO的操作非常直观。你只需选择模板、上传照片，模型便会自动开始处理。它依托先进的音视频扩散模型与注意力机制，生成的肖像视频真实感出色，表情与动作自然流畅，几乎与音频内容无缝同步。

在应用场景方面，EMO拥有广阔的想象空间。它不仅是娱乐工具——还能让历史人物“复活”、为电影角色配音、制作教育课件中的虚拟讲师，甚至应用于广告宣传和游戏角色，都是顺理成章的事情。

此外，阿里在效率方面也做了优化。EMO采用了高效的算法与计算框架，能够在相对较短的时间内生成高质量视频，对追求效率的用户来说十分省心。而且该框架具备良好的可扩展性与灵活性，后续可根据需求进行定制优化，比如调整参数或增加新的模型组件，进一步提升视频质量。

技术创新不止于生成

事实上，阿里在视频生成领域一直深耕不辍。除了EMO，此前还推出过VideoComposer——这是一个融合空间条件与时序条件的视频生成框架。它能够以单张图像或草图作为空间条件，同时结合运动矢量、深度序列等时序条件，生成视觉上极为逼真的视频内容。

此外，AtomoVideo模型也值得注意，它能够从一张静态图片生成高质量的视频序列，并支持结合文字描述来生成符合特定需求的视频内容。

阿里云视觉智能开放平台同样提供了丰富的视频生产能力，例如视频摘要、智能编辑、人脸融合等。这些工具已在电商、影视、广告等多个领域落地，帮助用户快速产出高品质视频。

视频生成使用到的AI

技术和算法

谈到视频生成，目前市面上已有不少工具，如Pixverse、Pika、Runway Gen-2、Kaiber、Plaiday、Genmo等。其中Pika凭借稳定且高质量的画质赢得了大量用户，Runway Gen-2则能将Midjourney生成的图片转化为动画。Sora作为新秀，能够生成高质量的长视频，并理解长文本指令，输出细节丰富的视频内容。

从算法底层来看，视频生成离不开一些基础技术。例如循环神经网络中的GRU与LSTM，能够有效处理梯度消失与衰减问题；编码器-解码器（encoder-decoder）架构则大幅提升了机器翻译等任务的效果。这些技术同样在视频生成中扮演关键角色，用于处理内容的生成、结构及风格控制。

更具体地看，视频生成所涉及的核心技术主要包括以下几个方面：

深度学习模型

这是最核心的环节。生成对抗网络（GANs）和变分自编码器（VAEs）等深度学习模型，能够学习并模仿视频数据的分布，从而生成与原始数据高度相似的全新视频内容。

计算机图形学

在创建虚拟场景、角色和特效时，计算机图形学尤为重要。它可以生成逼真的虚拟场景与角色，并与真实视频相结合，创造出独特的视觉效果。

物理模拟

为了让生成的视频更具真实感，物理模拟技术负责模拟物体的运动与交互，例如运动轨迹、碰撞效果、光影变化等。只有细节做到位，视频才显得可信。

自然语言处理

如今自然语言处理（NLP）也已融入视频生成领域。通过解析文本描述，NLP技术能够指导模型生成与文字内容相匹配的视频，为创意表达开辟了更广阔的空间。

音频合成技术

视频不仅包含画面，音频同样至关重要。音频合成技术可以生成与视频内容匹配的音效和背景音乐，显著提升整体观看体验。此外，增强学习、迁移学习等技术也在其中发挥作用，使视频生成更加灵活、高效且多样化。

写在最后

经过近几年的发展，视频生成技术已逐步成熟，在新闻报道、广告制作、教育培训、电影游戏乃至医疗健康等领域都得到了实际应用。未来，娱乐媒体、广告营销、教育培训、虚拟现实/增强现实、医疗健康等，都将是视频生成技术的主流落地场景。从EMO这一波操作来看，AI视频生成，确实离我们更近了一步。