바이두, 영상·음성 동시 생성 모델 NAVA 공개: 63억 파라미터로 싱크 구현
바이두 ERNIE 팀이 63억 파라미터 규모의 영상·음향 동시 생성 모델 NAVA를 오픈소스로 공개했다. 영상을 만든 뒤 소리를 입히는 대신 하나의 프롬프트에서 영상과 스테레오 음성을 함께 생성하며, 참조 음성을 통한 화자 음색 제어도 지원한다.
바이두 ERNIE 팀이 63억 파라미터 규모의 영상·음향 동시 생성 모델 NAVA를 오픈소스로 공개했다. 영상을 만든 뒤 소리를 입히는 대신 하나의 프롬프트에서 영상과 스테레오 음성을 함께 생성하며, 참조 음성을 통한 화자 음색 제어도 지원한다.