AV-FlowEdit：免训练提示驱动音视频编辑框架

Shaohua Pan、Xiao Liu 等人提出 AV-FlowEdit，一个无需训练、无需反演的提示词驱动音视频编辑框架。它利用源与目标之间的流差异，同时提供跨模态编辑方向和内容保留线索，支持纯视觉、纯音频和联合编辑。 该框架采用跨模态事件感知频谱轨迹保留机制，结合流显著性、对齐音频活动与多尺度低频位移，以抑制采样漂移。作者称实验显示其提示词对齐与时间一致性较强，并保持有竞争力的音频质量和跨模态连贯性。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。