阿里EMO模型的利與弊

阿里巴巴（09988）智能計算研究所上月發布生成式人工智能（Generative AI）模型EMO，引起全球廣泛關注。EMO是一款多語言模型，能夠根據輸入的照片及語音，生成逼真的表情動作，突破以往只能生成靜態影像的限制，為數碼媒體及虛擬內容生成帶來巨大創新。為展示EMO的卓越能力，阿里巴巴特別在軟件代碼託管平台 GitHub分享多條演示影片，包括美企OpenAI旗下模型Sora生成的東京街頭人物片段，旨在彰顯其領先地位。 EMO使用超過250小時涵蓋演講、電影、歌唱表演等多種類型的談話影片加以訓練，令其語音編碼器及面部區域掩模（Mask）能夠確保生成的臉部動作與語音內容匹配。簡單而言，EM ...

（節錄）全文共756字