該模型可以根據(jù)一張靜態(tài)圖片和一段音頻
，旨在進(jìn)一步跟上全球人工智能技能的快速迭代腳步
，生成面部表情天然、口型精準(zhǔn)匹配的電影等級(jí)數(shù)字人視頻。顯示出阿里巴巴在多模態(tài)人工智能范疇的繼續(xù)深耕。也相繼推出新的或更新版視頻生成東西