Sony 提出视频音效模型 MMHNet：引入 Mamba 架构，为 5 分钟长视频对齐声音
Sony 团队提出视频转音频生成架构 MMHNet，结合分层网络与 Mamba 架构生成超过 5 分钟的连续音效。该方案解决了音画长程对齐难题，实现「训短测长」，在动作打点与镜头切换的贴合度上表现更好。目前该成果以论文形式公开。
Sony 团队提出视频转音频生成架构 MMHNet，结合分层网络与 Mamba 架构生成超过 5 分钟的连续音效。该方案解决了音画长程对齐难题，实现「训短测长」，在动作打点与镜头切换的贴合度上表现更好。目前该成果以论文形式公开。