#NAVA

2:17オープンソース拡散指数 48

バイドゥ、音声付き動画生成モデル「NAVA」を公開：映像と音声を同時生成

バイドゥの ERNIE チームは 63 億パラメータの音響映像同時生成モデル「NAVA」をオープンソース公開した。後付けのアフレコではなく、1 つのプロンプトから映像と音声をネイティブに同時生成し、高い同期精度と参照音声による話者音色制御を実現している。