#V2A

研究拡散指数 33

Google DeepMindが「V2A」技術を発表、無音の生成動画に効果音や音声を自動同期

Google DeepMindは映像から音声を自動生成する「V2A」技術の研究成果を発表した。拡散モデルを用いて映像のピクセルとテキスト指示を解析し、手動調整なしで劇伴や効果音、台詞を映像に合わせて生成できる。現在は唇の動きとの同期などに課題があり、一般公開に向けたテストが続けられている。