让我们看看官方演示视频吧！

Draw an Audio，通过视频生成音频，音频与视频画面匹配，支持生成音乐、音效、人声等声音。

Draw an Audio 的架构，它结合了潜在扩散模型 （LDM） 作为基础模型、用于文本教学的文本条件模型、用于视频教学的蒙面注意力模块 （MAM）、用于信号教学的时间响度模块 （TLM）。

项目地址：https://yannqi.github.io/Draw-an-Audio/

Github地址：https://github.com/yannqi/Draw-an-Audio-Code

论文地址：https://arxiv.org/abs/2409.06135



微信扫描下方的二维码阅读本文

Draw an Audio，通过视频生成音频，音频与视频画面匹配插图

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。