百度開源音影片模型 NAVA：63 億引數，畫面與聲音原生同步
百度 ERNIE 團隊開源音影片同步生成模型 NAVA，引數量僅 63 億。它告別了先渲染畫面再後期配音的路線，直接原生聯合生成畫面與雙聲道音訊，支援參考音訊控制音色。8 卡並行約 1 分鐘即可生成 1 分鐘 720p 音畫同步影片。
百度 ERNIE 團隊開源音影片同步生成模型 NAVA，引數量僅 63 億。它告別了先渲染畫面再後期配音的路線，直接原生聯合生成畫面與雙聲道音訊，支援參考音訊控制音色。8 卡並行約 1 分鐘即可生成 1 分鐘 720p 音畫同步影片。