在AI多模态领域，视频生成的竞争已经到了白热化地步。2月28日，AI视频生成平台Pika上线唇形同步功能Lip Sync，只要上传文本或音频，就能让视频人物发声且嘴型完全同步。
Pika的音频生成部分由AI语音克隆创企ElevenLabs提供技术支持，但受限于已有产品的架构，Pika只能分段生成3秒时长的唇形同步视频，且仅生成唇部配合音频发生运动。
就在同一天，阿里推出更炸裂的视频生成框架EMO，只要输入一张图像和一段音频，就能生成任意时长的人像说话视频，且五官、表情非常自然。视频最终长度，取决于输入音频的长度。
在示例视频里，EMO不仅能让赫本讲话、让蒙娜丽莎读《莎士比亚》，还能让小李子唱超“烫嘴”Rap，甚至高启强也能化身罗翔普法。不管是让肖像唱歌（不同风格的歌曲）、让肖像开口说话（不同语种）、还是各种“跨演员”的表演，EMO的效果都令人大为惊叹。
AI视频又炸了！ Pika能“对口型” 阿里直接让赫本“唱歌”。点击视频，一看究竟！
