影片
谷歌推出多模态 VLOGGER AI：让静态肖像图动起来“说话”
谷歌近日在 GitHub 页面发布博文，介绍了 VLOGGER AI 模型，用户只需要输入一张肖像照片和一段音频内容，该模型可以让这些人物“动起来”，富有面部表情地朗读音频内容。VLOGGER AI 是一种适用于虚拟肖像的多模态 Diffusion 模型，使用 MENTOR 数据库进行训练，该数据库中包含超过 80 万名人物肖像，以及累计超过 2200 小时的影片，从而让 VLOGGER 生成不同种族、不同年龄、不同穿着、不同姿势的肖像影片。研究人员表示：“和此前的多模态相比，VLOGGER 的优势在于不需要对每个
3/19/2024 10:14:54 AM
故渊
- 1
资讯热榜
浙大满血版 DeepSeek 上线免费使用：无惧系统繁忙，全国 829 所 CARSI 联盟高校开放共享
DeepSeek 系列模型详解之 DeepSeek Math
DeepSeek 等秒变操控电脑 AI 智能体，微软开源工具 OmniParser V2.0 发布
DeepSeek 团队新作：把代码变成思维链，大模型推理各种能力全面提升
阿里通义万相宣布即将开源视频生成模型WanX 2.1
DeepSeek 推出 NSA 技术：加速长上下文训练与推理
刚刚，DeepSeek揭秘R1官方同款部署设置，温度=0.6！OpenAI推理指南同时上线
GPT-4o“人格觉醒”？ 升级后变身“毒舌”暖男，还懂人类小情绪了！
标签云
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
数据
机器人
DeepSeek
谷歌
AI
Midjourney
智能
大模型
学习
GPT
用户
微软
AI创作
开源
图像
Meta
技术
论文
Stable Diffusion
马斯克
算法
生成式
模型
蛋白质
芯片
Gemini
计算
神经网络
代码
研究
AI设计
腾讯
Sora
3D
GPU
开发者
英伟达
场景
机器学习
伟达
预测
华为
模态
Transformer
AI for Science
文本
驾驶
深度学习
百度
AI视频
神器推荐
苹果
搜索
LLaMA
算力
干货合集
Anthropic
视频生成
Copilot
科技
2024
应用
安全
特斯拉
具身智能
AI应用场景
xAI
写作
机器
字节跳动
人形机器人
AGI
DeepMind
视觉
英特尔