PulseAugur
中
实时 11:55:01
实体 Xin Cheng

Xin Cheng

PulseAugur coverage of Xin Cheng — every cluster mentioning Xin Cheng across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 2 条
  1. TOOL · CL_340279 ·

    ViSSFlow 统一视频条件声音和语音生成

    研究人员开发了 ViSSFlow,一个统一视频条件声音和语音生成的新框架。该方法利用具有解耦条件聚合机制的 Diffusion Transformer (DiT) 来处理各种视觉和语义线索。ViSSFlow 表明,单个模型可以在不降低性能的情况下有效处理视频到声音 (V2S) 和视觉文本到语音 (VisualTTS) 任务,并通过特征级数据合成策略解决了配对训练数据稀缺的问题。

  2. TOOL · CL_130354 ·

    苹果研究人员发布同步文本到视频音频生成新方法

    研究人员开发了一个名为交叉引用重写器(CRR)的新框架,以改进文本到声音视频(T2SV)生成。这个双代理系统通过解耦视频和音频的字幕对,解决了视频和音频生成与文本提示对齐的挑战,从而减少了模态干扰。CRR旨在弥合详细训练字幕和简洁用户提示之间的差距,从而产生更同步、更具上下文相关性的视频和音频输出。