标签：有声时代

Google Deepmind近期推出了创新的视频到音频（V2A）技术，能够为视频生成逼真的背景音乐、音效以及人物对话，引领AI视频进入“有声时代”。这项技术利用视频像素和文本提示来创建与视频同步的音频波形，通过编码、扩散模型迭代运行和解码过程，将随机噪声转化为真实音频。在官方发布的Demo视频中，V2A技术展现出流畅的效果，包括各种情境下的背景音乐和特定场景的声音，如脚步声、恐龙鸣叫声、鼓声、车流声等。尽管V2A技术目前尚未开源，但它展示了对原始像素的理解，即使没有文本提示，也能为视频添加音频。此外，V2A支持无限...