🤖 公司将在1月培训视频模型，CEO表示是平台的自然发展，引入生成视频行业竞争动态。
为了实现逼真的呈现，该方法将场景参数化为三个部分:遮挡物 → 人 → 背景，并通过新颖的优化目标将这些渲染解耦。为了处理在真实世界场景中可能出现的遮挡情况，该方法引入了感知遮挡的场景参数化，将场景解耦为遮挡、人和背景三个部分。此外，该方法设计了广泛的客观函数，以帮助强化将人从遮挡和背景中解耦，并确保人体模型的完整性。
除了可以从文字生成音乐外，它还支持图像、视频和音频生成音乐，并且还可以编辑已有的音乐。该项目利用了MERT等编码器进行音乐理解，ViT进行图像理解，ViViT进行视频理解，并使用MusicGen/AudioLDM2模型作为音乐生成模型（音乐解码器）。用户可以轻松移除或替换特定乐器，调整音乐的节奏和速度。这使得用户能够创造出符合其独特创意的音乐作品。
视频翻译配音这个工具不但支持语音自动生成字幕，而且还提供多种配音选择，同时支持多种翻译引擎，让用户在生成配音前对字幕进行修改。使用方便，无需复杂的操作，让用户能够轻松完成视频翻译和配音的任务。
此外，卡迪夫大学讲师Francesca Sobande研究了具有种族模糊特征的虚拟影响者。她认为一些品牌出于营销目的给予其这些特征，以吸引更广泛的受众，这“只是另一种形式的营销”。