把一段音频、一张照片输入AI模型，就能让图中人物开口唱歌说话，让奥黛丽赫本唱《上春山》、陶俑仕女说英文RAP、爱因斯坦说中文段子。不久前，这款名为EMO的模型因为阿里通义实验室的一篇论文火遍海内外，模型的产品化进程也广受关注。
