近期，阿里巴巴智能计算研究所提出了一种新的生成式框架 EMO，是一种富有表现力的音频驱动的肖像视频生成框架，用户只需提供一张照片和一段音频文件，EMO就能生成会说话唱歌的AI视频，实现无缝对接的动态小视频，最长时间可达1分30秒左右。这项技术的应用场景非常广泛，从电视剧角色的语音合成到音乐视频中的虚拟表演者，都有可能被AI技术所取代。
EMO框架使用Audio2Video扩散模型，通过三个阶段的技术处理，包括帧编码、音频编码和去噪操作，以及参考注意力和音频注意力机制，来生成富有表现力的人像视频。
目前，EMO 框架上线到 GitHub 中，相关论文也在 arxiv 上公开。
GitHub：https://github.com/HumanAIGC/EMO
论文：https://arxiv.org/abs/2402.17485
今天给大家推荐一个提示词辅助神器：PromptFolder 从此出图少走弯路！
大家平时用 Midjourney 或者是 Stable Diffusion 做图时，是不是脑海中已经有画面了，但是不知道怎么表达出来，自己尝试写提示词后，出图的效果不尽人意？
这个是专为大型语言模型 (LLM)、大型模型 (LM) 和 LMOps 设计的尖端提示词优化器。自动优化 ChatGPT、GPT-3.5、DALL-E 2、StableDiffusion 和 MidJourney 提示词。不管是文字、图片、还是解决方案的提示词，都可以通通搞定，一键优化。
目前是免费试用，觉得有需要的宝子们快去看看，一下就打开新大陆了！
阿里巴巴最近推出了一项名为Animate Anyone的创新视频生成技术，只需一张图片即可生成平滑稳定的视频。这项技术对短视频、电商和动漫行业都有一定的影响！
Animate Anyone 是由阿里巴巴智能计算研究院开发，你只需提供一个静态的角色图像和一些预设的动作（或姿势序列）然后会生成该角色的动画视频。同时保持图像中角色的外观和特征的一致性。
理论上“动画任何人”... 不仅适用于人类角色，还可以用于动漫/卡通角色、类人角色等，具有广泛的应用范围。
Animate Anyone 创新之处在于它的通用性和高度的自定义能力。用户可以使用任何图像和任何动作序列来创建独特的、定制化的视频内容。
对于任何需要快速、高效创建动画内容的人来说都是一个非常有价值的工具。通过这种技术，可以在不需要复杂动画技能或昂贵软件的情况下，创造出引人入胜的动画视频。
怎么样？有惊艳到你吗？
