猜猜哪段是由AI自动完成配音的？99%人都听错了

不二如是

在线感受：



杜比实验室和加泰罗尼亚理工大学的研究人员推出新模型MaskVAT（Masked Generative Video-to-Audio Transformers），它能够根据无声视频生成与之匹配的音频。

简单来说，就是让计算机“看”一段没有声音的视频，然后“想象”出视频中应有的声音，比如人的对话声、环境声等。

在一些具体的实验和评估，例如在VGGSound数据集上训练模型，并在MUSIC数据集上测试其在音乐合成领域的性能。

这些实验结果表明：

游客，如果您要查看本帖隐藏内容请回复