谷歌最近發(fā)布了一項名為 “Vlogger” 的新視頻框架,可以通過僅一張圖片和錄音即可生成一個本人演講視頻。
這一框架基于擴(kuò)散模型,包含音頻到人體動作和文本到圖像模型兩部分。其中,音頻波形被用來生成人物的身體控制動作,包括眼神、表情、手勢等,使生成的視頻看起來自然且生動。該模型訓(xùn)練在一個包含80萬個人物視頻的大型數(shù)據(jù)集上完成。
Vlogger 的突出之處在于其多樣性和完整性。與其他方法相比,Vlogger 不需要對每個人進(jìn)行訓(xùn)練,也不依賴于面部檢測和裁剪,生成的視頻包括面部、唇部和肢體動作等。此外,Vlogger 還具有視頻編輯和翻譯等應(yīng)用,能夠讓人物閉嘴、閉眼,甚至進(jìn)行視頻翻譯。
雖然谷歌尚未發(fā)布具體模型,但通過展示效果和論文,可以看到 Vlogger 在視頻生成領(lǐng)域的潛力和優(yōu)勢。然而,一些網(wǎng)友對其生成視頻的畫質(zhì)、口型對不上等問題提出了質(zhì)疑和吐槽。盡管如此,Vlogger 的發(fā)布仍引起了業(yè)界的廣泛關(guān)注和討論。
谷歌發(fā)布的 Vlogger 模型為視頻生成領(lǐng)域帶來了新的可能性,具備多樣性和自然性,為視頻編輯和翻譯等應(yīng)用提供了新的解決方案。隨著技術(shù)的不斷進(jìn)步和完善,相信 Vlogger 將在未來有更廣泛的應(yīng)用和發(fā)展。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
近日,德國柏林國際電子消費(fèi)品展覽會(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實業(yè)成功斬獲兩項“IFA全球產(chǎn)品設(shè)計創(chuàng)新大獎”金獎,有力證明了其在全球市場的強(qiáng)大影響力。
近日,中國家電及消費(fèi)電子博覽會(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項AWE 2024艾普蘭大獎。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會組委會、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會聯(lián)合上海人工智能實驗室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會主辦的“2024全球開發(fā)者先鋒大會”,將于2024年3月23日至24日舉辦。