#audio-visual generation のAIニュース

高度なモダリティ条件と相互作用によるテキストから音付き動画生成の制御に関する研究

Apple Machine Learning は、テキストから同期された音声付き動画を生成する技術（T2SV）について研究し、テキスト条件のボトルネック解消やクロスモーダル融合機構の最適化に向けた課題を明らかにした。