#VLOGGER

AI科研传播指数 31

Google 发布 VLOGGER：一张照片配一段音频，就能让人物开口说话还带手势

Google 研究人员开发出多模态 AI 模型 VLOGGER，只需一张人物照片和一段音频，就能生成对应口型、头部动作和手势的完整视频。与传统方案相比，它无需针对单人专门微调，还能补全上半身动作。不过视频目前长度有限且背景固定，仍有少许瑕疵。