Купить криптовалюту
Оплатить в
USD
USD
Купить и продать
Hot
Поддерживает Visa, Mastercard и др.
P2P
0 Fees
Гибкая торговля, 0 комиссий
Gate Card
Платите криптовалютой по всему миру
Рынки
Торговля
Основа
Продвинутый
Фьючерсы
Фьючерсы
Доступ к сотням фьючерсов
CFD
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Earn
Запуск
CandyDrop
tag
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Pre-IPOs
Откройте полный доступ к глобальным IPO акций
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Square
Квадрат
Узнавайте больше о преимуществах криптовалют
Live
moments live
Анализ рынка криптовалют в реальном времени
Чат
Общайтесь с криптотрейдерами
Новости
Последние новости в мире криптовалют
flower_head
Еще
Рекламные акции
AI
Другое
TradFi
Gate Card
Награды
Square
Обновления
Трендовые
Новости
Профиль
SushiBackrunner

Переход с wav2vec2 на whisper-large-v3 значительно повысил устойчивость мультиязычной синхронизации губ, важно четко различать границу между академическим и коммерческим использованием

Посмотреть Оригинал
CoinNetwork
Meituan открыла исходный код LongCat-Video-Avatar 1.5 — фреймворк цифрового человека, сокращённый до 8 шагов вывода
Команда Meituan Changmao открыла исходный код LongCat-Video-Avatar 1.5, переработав генерацию аудио и видео для повышения временно-пространственной стабильности и скорости вывода. Заменив wav2vec2 на whisper-large-v3, улучшена синхронизация губ и устойчивость к нескольким языкам; с помощью обучения с усилением GRPO снижены артефакты рук и ошибки кадров, укреплена идентичность в длинных видео. Используются многофрагментное скользящее рассуждение и предварительный контекст, 8-шаговая дистилляция DMD2 балансирует эффективность и точность. Фреймворк может быть обобщен на стили анимации/животных, поддерживает моно/многоканальный звук, лицензия MIT, в основном для академического использования, для коммерческого использования уточняйте.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
Нет комментариев

  • Закреплено

Карта сайта