音视频生成

面向生成的原生音视频对齐框架NAVA

本文介绍了NAVA（原生音视频对齐）框架，旨在解决现有音视频联合生成方法在精细协同演化或语义耦合方面的局限。该框架通过专门的交互空间建立音视频对应关系，并利用外部上下文条件引导联合去噪过程。根据帖子内容，实验表明该框架在多项指标上表现优异，且参数量为63亿。