真的非常炸裂！上段時間阿里開發(fā)了一款由音頻驅(qū)動的人像視頻生成模型EMO，一經(jīng)發(fā)布，震驚整個AI圈，其實AI生成圖片開口說話視頻，也并不是什么新鮮事，但阿里的生成視頻大模型EMO其質(zhì)量與之前的任何AI圖片開口說話工具生成的作品都不一樣，基本告別面部生硬表情時代。

EMO只需輸入一張參考圖像和人聲音頻（如說話和唱歌），就能生成具有生動表情和各種頭部姿勢，口型完全匹配高保真的人聲頭像視頻，同時還能根據(jù)輸入視頻的長度生成任意時長的視頻。

目前，EMO框架上線到GitHub中，相關(guān)論文也在arxiv上公開。

GitHub：

https://github.com/HumanAIGC/EMO 

論文：

https://arxiv.org/abs/2402.17485 

既然EMO還沒有正式上線，那么本期就給大家盤點一下目前市面上已有且好用的AI圖片開口說話工具。

1.HEYGEN

https://www.heygen.com/ 

HeyGen 就是一款可以制作數(shù)字人視頻的工具，功能非常強大，包括實時與數(shù)字人聊天交流，數(shù)字人克隆，視頻翻譯，圖片數(shù)字人開口說話功能，應該算在數(shù)字人領(lǐng)域中知名度較高的AI工具。

價格也是在一眾AI工具中，收費屬于中高階段，當然也可以在某寶上購買低價的積分賬號來用。

2.DID

https://www.d-id.com/ 

DID可以快速制作數(shù)字人口播視頻。只需上傳你的人物照片，輸入視頻介紹文本，幾分鐘之內(nèi)，你就能看到一個虛擬人物栩栩如生地開口說話，而且它的嘴型與音頻完美匹配，真實感十足!

價格會比HEYGEN低一些，但個人覺得DID制作出來的效果比HEYGEN作品口型匹配上效果差一些，但也算在數(shù)字人圖片口播AI工具中排前三。

DID為了避免被白嫖，免費生成的視頻自帶的水印，基本無法去除，所以你在沒有其他工具選擇的情況下，再考慮付費會員吧！

3.SadTalker

SadTalker是Stable Diffusion的一個圖片口播數(shù)字人插件，通過它，我們就能實現(xiàn)只要提供一張圖片和聲音，就能實現(xiàn)一個會說話的視頻，重點開源免費，真的香，在目前所有免費工具中，SadTalker生成的對口型視頻效果應該是最強的。

但由于Stable Diffusion對于電腦硬件配置要求較高，因此也勸退了一大波人，不過感興趣的小伙伴可以選擇云部署，云端制作這類視頻。

最低配置：NVIDIA GeForce GTX 1060或AMD Radeon RX 5600

推薦配置：NVIDIA GeForce RTX 2070或AMD Radeon Pro 5700XT

Stable Diffusion的代碼和模型文件，可以從這里下載：

https://github.com/Stability-AI/stablediffusion 

Sadtalker的代碼和模型文件，可以從這里下載：

https://github.com/OpenTalker/SadTalker 

4.KreadoAI

?https://www.kreadoai.com/ 

Kreado AI只需輸入文本或關(guān)鍵詞，即可創(chuàng)作真實/虛擬人物的多語言口播視頻，它還提供 AI 生成的營銷文案。

Kreado Al的核心功能：AI視頻創(chuàng)作、虛擬人物視頻創(chuàng)作、AI模型創(chuàng)作、AI數(shù)字人物創(chuàng)作、數(shù)字人物創(chuàng)作

Kreado AI比起HEYGEN便宜些，功能也是非常強大。

像國產(chǎn)工具奇妙元、美冊、萬彩等也是可以生成高質(zhì)量的圖片開口說話數(shù)字人視頻，價格均不同，大家可以根據(jù)自己的預算需求來選擇。