arXiv · AI· Xin Cheng, Yuyue Wang, Xihua Wang, Yihan Wu, Kaisi Guan, Yijing Chen, Peng Zhang, Xiaojiang Liu, Meng Cao, Ruihua Song·· 17 天前AI 评分21
ViSSFlow 提出统一 V2S 与 VisualTTS 的 Flow-Matching 框架
ViSSFlow: Unifying Video-Conditioned Sound and Speech Generation via Joint Learning
AI 导读
ViSSFlow 是一个基于 Flow-Matching 的统一框架,旨在同时解决 Video-to-Sound (V2S) 和 Visual Text-to-Speech (VisualTTS) 任务。
来源:arXiv · AI · arxiv.org