🖼️ 利用编码器和模型进行音乐和图像理解,用户可编辑音乐、调整乐器和速度。
“O”:视频输出。2023年,我们看到了文字到视频合成的浪潮:WALT(谷歌)、EmuVideo(Meta)、Align Your Latents(英伟达)、Pika等等,数不胜数。然而,大多数生成的片段仍然很短。我将它们视为AI视频的“系统1”——“无意识”的局部像素运动。
2021年3月,线下服饰品牌慕江南入局视频号,并很快确立了以达人分销为主的经营模式。据了解,慕江南累计和几百位视频号达人达成了长期战略合作。2022年,慕江南在视频号的累计GMV超1亿元,2023年累计GMV近3亿元。
论文地址:https://mobile-aloha.github.io/resources/mobile-aloha.pdf
DreamTalk能够生成高质量的动画,使人物脸部动作看起来非常真实。除了逼真的嘴唇动作,它还能展现丰富的表情,使动画更加生动。此外,DreamTalk支持多种语言,无论是中文、英文还是其他语言,都能很好地同步。