CAST-Bench is a sound-source-first benchmark for joint text-to-audio-video (T2AV) generation. It contains 900 schema-grounded prompts in 9 sound-source categories (100 each), split into 439 ...
Wav2Lip 是 PaddleGAN 中实现"音频驱动唇形同步"的核心应用：输入一段音频与一张人脸图片或一段人物视频，即可输出口型与语音精准同步的新视频，既支持静态图驱动，也支持动态视频换口型。
MOVA 是一款完全开源的视频音频联合生成基础模型，一次推理就能同时生成视频和音频，口型、台词与音效天然对齐，适合新手快速部署。本教程将从环境安装、模型下载、命令行推理到 Web 界面 ...
Some results have been hidden because they may be inaccessible to you
Show inaccessible results