AI在线 AI在线

YingMusic-Singer

巨人网络发布三大 Muli-Modal 模型：消除视频畸变，歌声转换实现“真实歌曲可用”

巨人网络发布三大 Muli-Modal 模型：消除视频畸变，歌声转换实现“真实歌曲可用”
巨人网络AI Lab 近日联合清华大学 SATLab、西北工业大学，重磅推出了三项音视频领域的多模态生成技术成果:音乐驱动的视频生成模型 YingVideo-MV、零样本歌声转换模型 YingMusic-SVC 与歌声合成模型 YingMusic-Singer。 这些体现了团队在音视频多模态生成技术上的最新进展，并将陆续在 GitHub、HuggingFace 等平台开源。 其中，YingVideo-MV 模型实现仅凭“一段音乐加一张人物图像”即可生成音乐视频片段，它能够通过对音乐的节奏、情绪和内容结构进行多模态分析，确保镜头运动与音乐高度同步，并具备推、拉、摇、移等镜头语言，同时利用长时序一致性机制有效缓解长视频中常见的人物“畸变”和“跳帧”现象。
11/27/2025 4:21:21 PM
AI在线