音频同步 | AI导航网站

音频同步

Masked Generative Video-to-Audio Transformers

MaskVAT是一种创新的视频到音频生成模型，通过结合高质量音频编解码器和序列到序列的masked生成模型，实现了高音质、语义匹配和时间同步性的平衡。

视频到音频生成音频同步深度学习