百度开源音视频模型 NAVA：63 亿参数，画面与声音原生同步
百度 ERNIE 团队开源音视频同步生成模型 NAVA，参数量仅 63 亿。它告别了先渲染画面再后期配音的路线，直接原生联合生成画面与双声道音频，支持参考音频控制音色。8 卡并行约 1 分钟即可生成 1 分钟 720p 音画同步视频。
百度 ERNIE 团队开源音视频同步生成模型 NAVA，参数量仅 63 亿。它告别了先渲染画面再后期配音的路线，直接原生联合生成画面与双声道音频，支持参考音频控制音色。8 卡并行约 1 分钟即可生成 1 分钟 720p 音画同步视频。