


Nach Sora gibt es tatsächlich ein neues KI-Videomodell, das großartig ist und jeden verrückt macht!
Bilder
Damit verwandelt sich Gao Qiqiang, der Bösewicht von „Hurry Up“, in Luo Xiang und kann jeden (Hundekopf) erziehen.
Dies ist Alibabas neuestes audiogesteuertes Framework zur Erstellung von Porträtvideos, EMO (Emote Portrait Alive).
Damit können Sie ein KI-Video mit lebendigen Ausdrücken erstellen, indem Sie ein einzelnes Referenzbild und ein Audiostück (Sprache, Gesang oder Rap) eingeben. Die endgültige Länge des Videos hängt von der Länge des Eingangsaudios ab.
Sie können Mona Lisa, eine erfahrene Kandidatin mit Erfahrung in KI-Effekten, bitten, einen Monolog zu rezitieren:
Die junge und hübsche DiCaprio führt eine rasante Rap-Talentshow auf, und ihre Mundform kann nicht beibehalten werden Frage:
Ich kann sogar die kantonesische Lippensynchronisation halten, also habe ich meinen Bruder Leslie Cheung gebeten, „Unconditional“ von Eason Chan zu singen:
Kurz gesagt, ob es das Porträt sein soll singen (verschiedene Arten von Porträts und Liedern), die Porträts sprechen lassen (in verschiedenen Sprachen) oder verschiedene schauspielerübergreifende Darbietungen durchführen. Der EMO-Effekt hat uns für einen Moment verblüfft.
Internetnutzer riefen aus: „Wir betreten eine neue Realität!“
Die 2019er Version von „Joker“ enthielt die Zeilen der 2008er Version von „The Dark Knight“
Einige Internetnutzer haben sogar damit begonnen, Videos davon zu erstellen EMO Ziehen Sie an der Lasche und analysieren Sie den Effekt Bild für Bild.
Wie im Video unten gezeigt, ist die Protagonistin die von Sora generierte KI-Lady. Das Lied, das sie dieses Mal für Sie gesungen hat, ist „Don’t Start Now“.
Tweeter analysiert:
Die Konsistenz dieses Videos ist noch besser als zuvor!
In dem mehr als einminütigen Video bewegt sich die Sonnenbrille auf Frau Soras Gesicht kaum und ihre Ohren und Augenbrauen bewegen sich unabhängig voneinander.
Das Aufregendste ist, dass Frau Soras Kehle wirklich zu atmen scheint! Ihr Körper zitterte und bewegte sich beim Singen leicht, was mich schockierte!
Bilder
Dennoch ist EMO eine heiße neue Technologie, und es ist unvermeidlich, sie mit ähnlichen Produkten zu vergleichen -
Erst gestern hat das KI-Videogenerierungsunternehmen Pika auch die Synchronisierung von Videos gestartet Zeichen und die Lippensynchronisationsfunktion „Lippensynchronisation“ stürzten ab.
Wie wäre es mit dem konkreten Effekt? Wir werden es hier direkt veröffentlichen
Nach dem Vergleich kamen die Internetnutzer im Kommentarbereich zu dem Schluss, dass sie von Ali geschlagen wurden.
Pictures
EMO veröffentlichte das Papier und gab bekannt, dass es Open Source sei.
Aber! Obwohl es sich um Open Source handelt, gibt es auf GitHub immer noch Short-Positionen.
Aber nochmal! Obwohl es sich um eine kurze Position handelt, hat die Anzahl der Sterne 2,1.000 überschritten.
Bilder
machten die Internetnutzer wirklich ängstlich, so ängstlich wie König Gigi.
Andere Architektur als Sora
Sobald das EMO-Papier herauskam, atmeten viele Menschen im Kreis erleichtert auf.
Es unterscheidet sich von Soras technischem Weg, was zeigt, dass das Kopieren von Sora nicht der einzige Weg ist.
EMO basiert nicht auf einer DiT-ähnlichen Architektur, das heißt, es verwendet keinen Transformer, um das traditionelle UNet zu ersetzen. Sein Backbone-Netzwerk wurde gegenüber Stable Diffusion 1.5 geändert.
Konkret handelt es sich bei EMO um ein ausdrucksstarkes, audiogesteuertes Framework zur Generierung von Porträtvideos, das Videos beliebiger Dauer basierend auf der Länge des Eingabevideos generieren kann.
Bilder
Das Framework besteht hauptsächlich aus zwei Phasen:
- Frame-Kodierungsphase
stellt ein UNet-Netzwerk namens ReferenceNet bereit, das für das Extrahieren von Funktionen aus Referenzbildern und Frames von Videos verantwortlich ist.
- Diffusionsstufe
Zunächst verarbeitet der vorab trainierte Audio-Encoder die Audio-Einbettung und die Gesichtsbereichsmaske wird mit Multi-Frame-Rauschen kombiniert, um die Generierung von Gesichtsbildern zu steuern.
Dann führt das Backbone-Netzwerk den Rauschunterdrückungsvorgang durch. Im Backbone-Netzwerk werden zwei Arten von Aufmerksamkeit angewendet: Referenzaufmerksamkeit und Audioaufmerksamkeit, die dazu dienen, die Identitätskonsistenz der Figur aufrechtzuerhalten bzw. die Bewegung der Figur zu regulieren.
Darüber hinaus dient das Zeitmodul dazu, die Zeitdimension zu manipulieren und die Bewegungsgeschwindigkeit anzupassen.
In Bezug auf Trainingsdaten hat das Team einen großen und vielfältigen Audio- und Videodatensatz erstellt, der mehr als 250 Stunden Video und mehr als 15 Millionen Bilder enthält.
Die spezifischen Merkmale der endgültigen Implementierung sind wie folgt:
- Kann Videos beliebiger Dauer basierend auf dem Eingangsaudio generieren und gleichzeitig die Konsistenz der Charakteridentität gewährleisten (das längste einzelne Video, das in der Demonstration angegeben wurde, ist 1 Minute und 49 Sekunden).
- Unterstützt das Sprechen und Singen in verschiedenen Sprachen (Demo umfasst Mandarin, Kantonesisch, Englisch, Japanisch, Koreanisch)
- Unterstützt verschiedene Malstile (Fotos, traditionelle Gemälde, Comics, 3D-Renderings, digitale KI-Menschen)
Bilder
Der quantitative Vergleich ist im Vergleich zur vorherigen Methode, die SOTA erreicht, ebenfalls erheblich verbessert und dem SyncNet-Indikator, der die Qualität der Lippensynchronisation misst, nur geringfügig unterlegen.
Bilder
Im Vergleich zu anderen Methoden, die nicht auf Diffusionsmodellen basieren, ist EMO zeitaufwändiger.
Und da keine expliziten Steuersignale verwendet werden, die zur unbeabsichtigten Erzeugung anderer Körperteile wie Hände führen können, besteht eine mögliche Lösung darin, Steuersignale speziell für Körperteile zu verwenden.
EMOs Team
Abschließend werfen wir einen Blick auf die Leute im Team hinter EMO.
Aus dem Papier geht hervor, dass das EMO-Team vom Alibaba Intelligent Computing Research Institute stammt.
Es gibt vier Autoren, nämlich Linrui Tian, Qi Wang, Bang Zhang und Liefeng Bo.
Bilder
Unter ihnen ist Liefeng Bo der derzeitige Leiter des XR-Labors des Alibaba Tongyi Laboratory.
Dr. Bo Liefeng hat seinen Abschluss an der Xi'an University of Electronic Science and Technology gemacht. Er war als Postdoktorand am Toyota Research Institute der University of Chicago tätig. Seine Forschungsschwerpunkte sind ML, CV und Robotik. Die Zahl der Google Scholar-Zitate übersteigt 13.000.
Bevor er zu Alibaba kam, war er zunächst als Chefwissenschaftler in der Amazon-Zentrale in Seattle tätig und wechselte dann als Chefwissenschaftler zum KI-Labor der JD Digital Technology Group.
Im September 2022 kam Bo Liefeng zu Alibaba.
Pictures
EMO ist nicht das erste Mal, dass Alibaba im AIGC-Bereich Erfolg hat.
Bilder
OutfitJeder mit KI kann das Outfit mit einem Klick ändern.
Bilder
Außerdem bringt AnimateAnyone Katzen und Hunde auf der ganzen Welt dazu, den Badetanz zu tanzen.
Das ist das Folgende:
Bilder
Nachdem die EMO gestartet ist, beklagen viele Internetnutzer, dass Alibaba einige Technologien darauf angesammelt hat.
Bilder
Wenn jetzt alle diese Technologien kombiniert werden, ergibt sich der Effekt...
Ich wage nicht darüber nachzudenken, aber ich freue mich darauf.
Bilder
Kurz gesagt, wir kommen dem Ziel näher, „ein Drehbuch an die KI zu senden und den gesamten Film auszugeben“.
Bilder
One More Thing
Sora stellt einen Durchbruch in der textgesteuerten Videosynthese dar.
EMO stellt auch eine neue Ebene der audiogesteuerten Videosynthese dar.
Obwohl die beiden unterschiedliche Aufgaben und spezifische Architekturen haben, haben sie dennoch eine wichtige Gemeinsamkeit:
Es gibt kein explizites physikalisches Modell in der Mitte, aber beide simulieren bis zu einem gewissen Grad physikalische Gesetze.
Manche Leute denken also, dass dies im Widerspruch zu Lecuns Beharren steht, dass „die Modellierung der Welt für Aktionen durch die Generierung von Pixeln verschwenderisch und zum Scheitern verurteilt ist“ und Jim Fans Idee eines „datengesteuerten Weltmodells“ unterstützt.
Bilder
Verschiedene Methoden sind in der Vergangenheit gescheitert, aber der aktuelle Erfolg könnte tatsächlich auf die „Bitter Lessons“ von Sutton, dem Vater des Reinforcement Learning, zurückzuführen sein, in denen große Anstrengungen Wunder bewirken können.
Referenzlink:Ermöglichen Sie der KI, wie Menschen zu entdecken, anstatt einzudämmen, was Menschen entdecken :
https://www.php.cn/link/e43a09ffc30b44cb1f0db46f87836f40
[1]https://www.php.cn/link. /0dd4f2526c7c874d06f19523264f6552
Das obige ist der detaillierte Inhalt vonKI-Video explodiert erneut! Aus Foto + Stimme wurde ein Video, Alibaba bat die Heldin Sora, mit Li Zi zu singen und zu rappen.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Nutzen Sie die Kraft von AI On-Device: Bauen eines persönlichen Chatbot-Cli In der jüngeren Vergangenheit schien das Konzept eines persönlichen KI -Assistenten wie Science -Fiction zu sein. Stellen Sie sich Alex vor, ein Technik -Enthusiast, der von einem klugen, lokalen KI -Begleiter träumt - einer, der nicht angewiesen ist

Ihre Eröffnungseinführung von AI4MH fand am 15. April 2025 statt, und Luminary Dr. Tom Insel, M. D., berühmter Psychiater und Neurowissenschaftler, diente als Kick-off-Sprecher. Dr. Insel ist bekannt für seine herausragende Arbeit in der psychischen Gesundheitsforschung und für Techno

"Wir möchten sicherstellen, dass die WNBA ein Raum bleibt, in dem sich alle, Spieler, Fans und Unternehmenspartner sicher fühlen, geschätzt und gestärkt sind", erklärte Engelbert und befasste sich mit dem, was zu einer der schädlichsten Herausforderungen des Frauensports geworden ist. Die Anno

Einführung Python zeichnet sich als Programmiersprache aus, insbesondere in der Datenwissenschaft und der generativen KI. Eine effiziente Datenmanipulation (Speicherung, Verwaltung und Zugriff) ist bei der Behandlung großer Datensätze von entscheidender Bedeutung. Wir haben zuvor Zahlen und ST abgedeckt

Vor dem Eintauchen ist eine wichtige Einschränkung: KI-Leistung ist nicht deterministisch und sehr nutzungsgewohnt. In einfacherer Weise kann Ihre Kilometerleistung variieren. Nehmen Sie diesen (oder einen anderen) Artikel nicht als endgültiges Wort - testen Sie diese Modelle in Ihrem eigenen Szenario

Erstellen eines herausragenden KI/ML -Portfolios: Ein Leitfaden für Anfänger und Profis Das Erstellen eines überzeugenden Portfolios ist entscheidend für die Sicherung von Rollen in der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML). Dieser Leitfaden bietet Rat zum Erstellen eines Portfolios

Das Ergebnis? Burnout, Ineffizienz und eine Erweiterung zwischen Erkennung und Wirkung. Nichts davon sollte für jeden, der in Cybersicherheit arbeitet, einen Schock erfolgen. Das Versprechen der Agenten -KI hat sich jedoch als potenzieller Wendepunkt herausgestellt. Diese neue Klasse

Sofortige Auswirkungen gegen langfristige Partnerschaft? Vor zwei Wochen hat Openai ein leistungsstarkes kurzfristiges Angebot vorangetrieben und bis Ende Mai 2025 den kostenlosen Zugang zu Chatgpt und Ende Mai 2025 gewährt. Dieses Tool enthält GPT-4O, A A A.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SecLists
SecLists ist der ultimative Begleiter für Sicherheitstester. Dabei handelt es sich um eine Sammlung verschiedener Arten von Listen, die häufig bei Sicherheitsbewertungen verwendet werden, an einem Ort. SecLists trägt dazu bei, Sicherheitstests effizienter und produktiver zu gestalten, indem es bequem alle Listen bereitstellt, die ein Sicherheitstester benötigen könnte. Zu den Listentypen gehören Benutzernamen, Passwörter, URLs, Fuzzing-Payloads, Muster für vertrauliche Daten, Web-Shells und mehr. Der Tester kann dieses Repository einfach auf einen neuen Testcomputer übertragen und hat dann Zugriff auf alle Arten von Listen, die er benötigt.

PHPStorm Mac-Version
Das neueste (2018.2.1) professionelle, integrierte PHP-Entwicklungstool

Herunterladen der Mac-Version des Atom-Editors
Der beliebteste Open-Source-Editor

ZendStudio 13.5.1 Mac
Leistungsstarke integrierte PHP-Entwicklungsumgebung