#PrismAudio

9:38オープンソース拡散指数 48

アリババ、動画から効果音を自動生成する「PrismAudio」をオープンソース公開

アリババが動画向け効果音生成モデル「PrismAudio」をオープンソース公開しました。強化学習と思考の連鎖を組み合わせ、無音動画から動作に同期した音声を生成します。パラメータ数はわずか5.18億で、9秒の音声を0.63秒で生成でき、ベンチマークと速度の両面で数十億規模の競合を上回ります。