アリババが「EMO」発表:1枚の静止画と音声から表現力豊かな歌唱・対話動画を生成
アリババの研究チームは音声駆動型ポートレート動画生成フレームワーク「EMO」を発表した。1枚の人物画像と音声(会話や歌唱)を入力するだけで、豊かな表情と自然な頭部動作を伴う動画を任意の長さで生成できる。早口な歌詞や絵画の人物の動画化にも対応する。
アリババの研究チームは音声駆動型ポートレート動画生成フレームワーク「EMO」を発表した。1枚の人物画像と音声(会話や歌唱)を入力するだけで、豊かな表情と自然な頭部動作を伴う動画を任意の長さで生成できる。早口な歌詞や絵画の人物の動画化にも対応する。