新浪科技讯 11月27日下午消息，巨人网络AI Lab与清华大学SATLab、西北工业大学联合推出三项音视频领域的多模态生成技术成果配资交流平台，相关研究成果将陆续在GitHub、HuggingFace等平台开源。
本次发布的三项研究成果——音乐驱动的视频生成模型YingVideo-MV、零样本歌声转换模型YingMusic-SVC与歌声合成模型YingMusic-Singer，展现了团队在音视频多模态生成技术上的最新成果。
据悉，YingVideo-MV模型实现“一段音乐加一张人物图像”即可生成一个音乐视频片段。该模型能够对音乐进行节奏、情绪与内容结构的多模态分析，从而使镜头运动与音乐的高度同步，具备推、拉、摇、移等镜头语言，并通过长时序一致性机制，有效缓解了长视频中常见的人物“畸变”与“跳帧”现象。
在音频领域，YingMusic-SVC主打“真实歌曲可用”的零样本歌声转换能力。它通过针对真实音乐场景的全面优化，有效抑制了伴奏、和声与混响对歌声转换的干扰，显著降低了破音与高音失真的风险，为高质量的音乐再创作提供了稳定的技术支撑。
而YingMusic-Singer歌声合成模型则支持在给定旋律下输入任意歌词，即可生成发音清晰、旋律稳定的自然歌声。该模型的主要特点在于能够灵活适应不同长度的歌词，并支持零样本音色克隆，提升了AI演唱在创作过程中的灵活度与实用性，降低音乐创作的门槛。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：宋雅芳 配资交流平台
贵丰配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
推荐资讯
