arXiv cs.CV· Nikolay Semenov, Artem Riabinin, Sergey Bassenko, Anna Averchenkova, Julia Agafonova, Anastasia Aliaskina, Kirill Kozlov, Lev Novitskiy, Nikita Samsonov, Nikolai Gerasimenko, Denis Dimitrov·· 4 小时前精选AI 评分62
Kandinsky S2V 1.0 发布：音频驱动数字人视频生成模型
Kandinsky S2V 1.0: Audio-Driven Avatar Video Generation
AI 导读
Kandinsky S2V 1.0 是一组开源的语音到视频模型，包含 2B 参数的 Lite 和 21B 参数的 Pro 两个版本，可从单张参考图、语音波形和文本提示生成 25 FPS 长视频，唇动、表情、姿态和手势跟随语音。
推荐理由
该技术报告给出模型规模、蒸馏加速与开源许可，可据此判断语音驱动视频生成的开源进展。
来源：arXiv cs.CV · arxiv.org