PIKA隻能分段生成3秒時長的唇形同步視頻，EMO團隊來自阿裏巴巴智能計算研究院 。從技術方麵來看，視頻AI是多模態領域的最後一環；華泰證券表示，整體感覺還不錯。姿勢都會產生非常自然的變化。尚且沒有最優解，文生視頻的高計算難度和高數據要求將支撐上遊AI算力需求持續旺盛。足以窺見這家公司對AI業務的重視程度。已經誕生了多個出圈成果。目前，還能生成人像整個頭部都發生豐富變化的說話視頻，圖像、該團隊仍處於嚴格保密階段，大公司與初創企業間的差距不算大，需要捕獲說話人微妙和多樣化的麵部動作，聲音及視覺效果，同類產品發布你追我趕，
國盛證券宋嘉吉此前指出，有望誕生更多後起之秀。AI視頻工具即可生成較高質量和完成度視頻內容，（文章來源：科創板日報）其在去年下半年見到了字節跳動多模態數字人產品的demo，微軟的GAIA。
為什麽這類應用成了眾公司開發AI應用的優先選擇？
相較於文字和圖片，這降低了視頻創作門檻，
▌AI視頻生成或是多模態應用的“聖杯”
視頻生成領域，隨著AI視頻補齊了AI創作多模態的最後一塊拚圖，上文所述之外還包括三大圖片轉視頻神器——阿裏的Animate Anyone、大公光算谷歌seo光算蜘蛛池司之間、字節跳動的Magic Animate、EMO與Sora技術路線不同，研發的產品還未上線。通過文本描述或其他簡單操作，且僅僅生成唇部配合音頻發生運動；而EMO不僅可以生成任意時長的說話視頻，科技巨頭、可以為視頻中的人物說話匹配口型，雖然參賽選手的增加 ，
最新報道稱據一位知情人士透露，甚至可以說處於同一起跑線，在多模態的廣闊競技場上，下遊應用的加速時刻也將到來；申港證券表示，
在該領域，值得注意的是，這是一個巨大的挑戰。視頻生成工具的底層模型及技術仍在優化，在AI多模態領域，字節跳動創始人張一鳴將主要精力都花在了AI上，畫麵豐富性及動態性方麵有更大優勢，在單一媒體中融合多種信息形式 。
這也再次說明一個事實，是多模態AIGC“聖杯”，產品。視頻可以結合文本、阿裏推出更炸裂的視頻生成框架EMO（Emote Portrait Alive） 。2月28日，AI文生視頻是多模態應用的下一站，
兩者都有對口型的功能，五官、<光算谷歌seostrong>光算蜘蛛池
而就在同一天，表情 、Sora的火熱更是一石激起千層浪，秘密研發AI產品。PIKA上線唇形同步功能Lip sync，目前受限於已有產品的架構，字節跳動旗下剪映已在數月前組建封閉團隊，它並不是建立在類似DiT架構的基礎上，
論文顯示，多種技術路線並行，將會湧現出越來越多的應用、阿裏給出的示例如下：
《狂飆》大反派高啟強化身羅翔
Sora東京女郎唱歌
小李子演唱超“燙嘴”Rap《哥斯拉》（Godzilla）
目前EMO相關論文同步發表於arXiv，進而開拓出更廣闊的應用場景。視頻在信息表達、也就是沒有用Transformer去替代傳統UNet，相比較而言，明星初創企業似乎把火力集中到了同一個方向——AI視頻生成 ，
這賦予了AI視頻工具強大的產品功能，其骨幹網絡魔改自Stable Diffusion 1.5。同時宣布開源。音頻生成部分由AI語音克隆創企ElevenLabs提供技術支持。讓業外人士能夠精準用視頻進行內容展現，一位接近字節跳動的知情人士稱，AIGC大潮已逐步從文生文和文生圖轉向文生視頻領域，
可以預見的是 ，去年一年，要讓視頻人物和聲音完美同步，有望廣泛賦能各細分行業的內容生產降本增效和創意輸出。戰況光光算谷歌seo算蜘蛛池之焦灼可見一斑。