Kandinsky S2V 1.0 开源语音驱动视频模型
热点事件持续更新
Kandinsky S2V 1.0 开源语音驱动视频模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Nikolay Semenov 等作者发布 Kandinsky S2V 1.0 技术报告，并开源代码、模型权重及 diffusers 集成，采用 MIT 许可证。该模型是一组语音到视频模型，包含 2B 参数的 Lite 版和 21B 参数的 Pro 版。 据报告，模型可输入单张参考图、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。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
Kandinsky S2V 1.0 发布：音频驱动数字人视频生成模型报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CV精选Kandinsky S2V 1.0 发布：音频驱动数字人视频生成模型
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。