热点事件观察中
Soundwich实现可控分层音视频生成
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
2026年10月1日，arXiv发布论文《Soundwich：用分层可控音频生成与视频同步》。论文提出一种无需训练的框架，将冻结的联合音视频 flow-matching 模型转化为可生成多条同步音频轨道的系统。该框架通过共享场景表示传递全局视听上下文，并使每条音频轨道与对应视觉来源进行跨模态交互，以保持声音与视频协调。论文称，实验和人工评估显示，该方法在时间控制、来源分离和自然度方面有所改善；生成的音频轨道还可独立进行时序调整、静音、替换或重混。
AI 根据报道生成 · 1 天前更新
最新进展10月1日 04:35
论文提出无需训练的分层音频生成框架，可独立编辑多条同步音频轨道。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · 多模态、视频与世界模型精选Soundwich：用分层可控音频生成与视频同步
Soundwich 提出一种无需训练的框架，将冻结的联合音视频 flow-matching 模型转化为可生成多条同步、可独立编辑音频轨道的系统。框架通过共享场景表示传递全局视听上下文，并让每条音频轨道与对应视觉来源进行跨模态交互，以保持声音与视频协调。论文称实验和人工评估显示其在时间控制、来源分离和自然度方面有所改善，生成的音频轨道可独立调整时序、静音、替换或重混。
本事件热度走势
当前热度 3·可比范围峰值 3（10月2日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。