实体
Zeyue Tian
Zeyue Tian
PulseAugur coverage of Zeyue Tian — every cluster mentioning Zeyue Tian across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
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
-
HelixWorld 1.0：发布实时交互式视听世界模型
来自Noiz AI的研究人员与香港科技大学、清华大学等机构合作，推出了HelixWorld 1.0，一个新颖的交互式视听世界模型。该模型可实时生成24FPS的视觉内容和48kHz的立体声音频，并能动态响应用户操作。与之前生成静态视频或事后添加音频的模型不同，HelixWorld的Transformer架构从一开始就统一了音频和视觉生成，确保了同步且符合上下文的感官体验。研究团队计划在未来几周内公开模型权重和代码。
-
Audio-Omni 框架统一音频生成、编辑和理解
研究人员推出 Audio-Omni，一个旨在统一语音、音乐和通用声音等不同领域音频理解、生成和编辑的新框架。该系统集成了冻结的多模态大语言模型和可训练的扩散 Transformer，并通过一个名为 AudioEdit 的新数据集解决了音频编辑中的数据稀缺性挑战。实验表明，Audio-Omni 取得了最先进的成果，可与专用模型相媲美，并展示了知识增强推理和零样本跨语言控制等高级功能。