O Alibaba Intelligent Computing Research Institute lançou recentemente uma nova estrutura de vídeo generativa EMO, que possui capacidades impressionantes: basta inserir imagens e áudio para gerar conteúdo de vídeo altamente expressivo. EMO suporta múltiplos idiomas, diálogos, cantos e outros cenários, trazendo novas possibilidades para o campo da geração de vídeos de avatares. No entanto, o desenvolvimento da tecnologia também traz riscos potenciais, tais como falsificações profundas e outras questões que requerem atenção.
O Alibaba Intelligent Computing Research Institute lançou uma nova estrutura generativa EMO, que pode gerar vídeos expressivos inserindo imagens e áudio. A EMO suporta cenários multilíngues, de diálogo, de canto e outros, mas também existe o risco de fraude. Esta estrutura traz novas possibilidades para o campo de geração de vídeos de avatares, mas atualmente é usada apenas para pesquisas acadêmicas e demonstrações de efeitos e ainda precisa de mais melhorias e expansão.
O surgimento da estrutura EMO anuncia um novo nível de tecnologia de geração de vídeo de IA, e seu potencial de aplicação em vários cenários é enorme. Mas, ao mesmo tempo, precisamos também de prestar atenção aos seus potenciais riscos éticos e sociais e reforçar a supervisão técnica para garantir o seu desenvolvimento saudável e evitar abusos.