搜索
巨人网络联合高校发布三项音视频多模态生成技术
2025-11-27
据AI base报道，巨人网络AI Lab近日联合清华大学SATLab与西北工业大学，共同推出三项音视频多模态生成技术成果，包括音乐驱动视频生成模型YingVideo-MV、零样本歌声转换模型YingMusic-SVC及歌声合成模型YingMusic-Singer。这些模型的相关代码将陆续在GitHub与HuggingFace平台开源。其中，YingVideo-MV仅需一段音乐和一张人物图像，即可生成节奏同步、镜头语言丰富的音乐视频，并有效缓解人物畸变问题；YingMusic-SVC优化了真实音乐场景下的歌声转换，显著降低失真；YingMusic-Singer则支持任意歌词输入与零样本音色克隆，提升AI演唱的实用性与创作灵活性。
