arXiv·· 13 天前AI 评分62
Kandinsky 6.0 Video 发布：同步音视频生成基础模型
Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation
AI 导读
Kandinsky 6.0 Video 是一组用于同步文本到音视频生成的基础扩散模型，包含 3B 参数的 Lite 版和 29B 参数的 Pro 版。两个模型都能生成 5 秒视频并同步 44 kHz 音频，支持唇形同步，提供文本到音视频（T2AV）和图像到音视频（I2AV）两种模式，内置超分辨率模型可将输出提升至 Full-HD（1920×1080）。
来源：arXiv · arxiv.org