用途：基于阿里云 Model Studio 的 EMO 模型，从一张人像图片和一段语音音频生成富有表现力的说话头像视频，适合需要非 Wan 系列头像类视频的场景。
主要能力：提供归一化接口 video.emo，包含检测与生成两步。检测请求使用模型 emo-v1-detect，输入 image_url，用于获取 face_bbox 与 ext_bbox；生成请求使用模型 emo-v1，输入 image_url、audio_url、face_bbox、ext_bbox，可选 style_level（normal、calm、active）。响应包含 task_id、task_status，完成后返回 video_url。
使用方式：先运行图像检测获得 face_bbox 和 ext_bbox，检测成功后再调用 emo-v1 生成。示例命令：python skills/ai/video/alicloud-ai-video-emo/scripts/prepare_emo_request.py --image-url "https://example.com/portrait.png" --audio-url "https://example.com/speech.mp3" --face-bbox 302,286,610,593 --ext-bbox 71,9,840,778 --style-level active。默认输出 output/alicloud-ai-video-emo/request.json，可用 OUTPUT_DIR 覆盖基础目录。
限制：仅限中国大陆（北京）区域；需在环境变量中设置 DASHSCOPE_API_KEY，或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key；输入文件必须是公开的 HTTP/HTTPS URL。不要自行编造 face_bbox 或 ext_bbox，应使用检测接口输出。ext_bbox 比例决定输出格式：1:1 输出 512x512，3:4 输出 512x704。输入人像应清晰、正面，以获得更好的表情质量。EMO 聚焦人像，全场景人物视频请使用其他技能。