谷歌 DeepMind 推出全新 AI 模型 V2A，可为视频生成配乐和对话 | 科技新闻
消息 技术 人工智能 Google DeepMind 推出 V2A，一种可以为视频生成配乐和对话的新型 AI 模型 谷歌人工智能研究实验室 Google DeepMind 最近推出了一种可以从视频生成音频的新模型 V2A。 Google 近期没有计划向公众推出 V2A。（图片来源：Google） Sora、Dream Machine、Veo 和 Kling 等视频生成模型正在快速发展，允许用户根据文本提示生成视频。但是，这些系统中的大多数仅限于无声视频。Google DeepMind 似乎意识到了这个问题，目前正在开发一种新的大型语言模型，可以为视频生成配乐和对话。 该科技巨头的人工智能研究实验室在一篇博客文章中公布了 V2A（视频转音频），这是一种正在研发的新型人工智能模型，它“将视频像素与自然语言文本提示相结合，为屏幕上的动作生成丰富的音景”。 你已经用尽了 每月免费故事的数量限制。 免费阅读更多故事使用 Express 帐户。 投资民主。仅需 999 卢比/年即可全面访问 Express 这篇优质文章目前免费。 注册即可阅读更多免费故事并获取合作伙伴提供的优惠。 投资民主。仅需 999 卢比/年即可全面访问 Express 此内容仅供我们的订阅者使用。 立即订阅即可无限制访问《印度快报》的独家和优质故事。 V2A 与 Veo（该公司在最近结束的 Google I/O 2024 上推出了一种文本转视频模型）兼容，可用于添加戏剧性音乐、逼真的音效和与视频基调相匹配的对话。谷歌表示，新的大型语言模型也适用于“传统镜头”，如无声电影和档案材料。 新的 V2A 模型可以为任何视频生成“无限数量的音轨”，并具有可选的“正提示”和“负提示”，可用于根据您的喜好调整输出。它还使用 SynthID 技术为生成的音频添加水印。 […]