BriefGPT - AI 论文速递 · 2023-08-18T00:00:00Z SimDA：用于高效视频生成的简易扩散适配器 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本文介绍了一种新的视觉导向说话者嵌入提取器，使用自监督预训练模型和提示调整技术，从输入的视觉信息中生成说话者嵌入信息。基于这些嵌入和从输入视频中提取的视觉表示，开发了一种基于扩散的视频到语音合成模型DiffV2S，取得了最先进的性能。 🏷️ 标签 DiffV2S 提示调整技术 自监督预训练模型 视觉导向说话者嵌入提取器 视频到语音合成模型 适配器 阅读原文 生成长图 分享链接 已复制链接
