#V2A

AI科研傳播指數 33

DeepMind 公佈 V2A 技術：看懂影片畫面，自動生成配樂與對白

Google DeepMind 公佈影片轉音訊（V2A）技術研究進展，能結合影片畫面與文本提示生成同步聲音。該系統基於擴散模型，無需手動對齊即可為靜音影片或老膠片搭配配樂、擬音與臺詞。不過目前口型同步等仍有侷限，模型尚未公開發布。