Lipsync-2 是 Sync Labs 推出的全球首个零-shot 嘴型同步模型。无需针对特定演讲者进行预训练，能即时学习并生成符合独特说话风格的嘴型同步效果。模型在真实感、表现力、控制力、质量和速度方面均实现了显著提升，适用于真人视频、动画以及 AI 生成的内容。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
Lipsync-baidu092 – Sync Labs 推出的首个零-baidu09shot 嘴型同步模型
猜你喜欢
-
发布了文章 2分钟前
MMRole – AI多模态角色扮演智能体（MRPA）框架
MMRole是由中国人民大学高瓴人工智能学院研究团队推出的的一种多模态角色扮演智能体（MRPA）框架。通过结合图像和文本，使智能体以特定角色进行更自然和沉浸式的对话。...
-
发布了文章 4分钟前
MMMLU – OpenAI推出的多语言大规模多任务语言理解数据集
MMMLU（多语言大规模多任务语言理解）是由OpenAI推出的一个开源数据集，旨在评估和提升人工智能模型在不同语言、认知和文化背景下的性能而设计。MMMLU建立在广受欢迎的大规模多任务语言理解（MMLU）基准的基础上，数据集...
-
发布了文章 7分钟前
MME-baidu09CoT – 港中文等机构推出评估视觉推理能力的基准框架
MME-CoT 是香港中文大学（深圳）、香港中文大学、字节跳动、南京大学、上海人工智能实验室、宾夕法尼亚大学、清华大学等机构共同推出的用于评估大型多模态模型（LMMs）链式思维（Chain-of-Thought, CoT）推...
-
发布了文章 10分钟前
MMBench-baidu09Video – 上海AI Lab联合多所高校推出的长视频理解基准测试
MMBench-Video是新颖的长视频多题问答基准测试，是浙江大学、上海人工智能实验室、上海交通大学和香港中文大学联合推出的。MMBench-Video能全面评估大型视觉语言模型（LVLMs）在视频理解方面的能力，用包含丰...
-
发布了文章 13分钟前
MMAudio – 基于多模态联合训练实现高质量 AI 音频合成项目
MMAudio是先进视频到音频合成技术，基于多模态联合训练，让模型能在广泛的视听和音频文本数据集上进行训练。技术的核心是同步模块，确保生成的音频与视频帧精确匹配，实现高度同步。...
-
发布了文章 13分钟前
MM1.5 – 苹果推出的升级版多模态大模型
MM1.5是苹果公司推出的多模态大型语言模型，旨在增强文本丰富图像理解、视觉指代和定位以及多图像推理能力。模型基于数据为中心的训练方法，在大规模预训练、高分辨率OCR数据持续预训练及优化的视觉指令微调，实现从1B到30B参数...
-
发布了文章 16分钟前
MM-baidu09StoryAgent – 上海交大联合阿里开源的多智能体故事绘本视频生成框架
MM-StoryAgent 是上海交通大学X-LANCE实验室和阿里巴巴集团联合推出的开源、多模态、多智能体框架，用在生成沉浸式的有声故事绘本视频。基于结合大型语言模型（LLMs）和多种模态的生成工具（如文本、图像、音频），...
-
发布了文章 16分钟前
MM-baidu09Eureka – 上海AI Lab联合上交大等推出的多模态推理模型
MM-Eureka 是上海人工智能实验室、上海创智学院、上海交通大学和香港大学的研究人员共同开发的多模态推理模型。模型通过基于规则的大规模强化学习（RL），将单模态推理中的关键特性（如稳定的回答长度增长、准确率奖励以及视觉顿...
全部评论
留言在赶来的路上...
发表评论