微软 VASA-1 模型：仅需静态人像及音频片段即可合成口型完全吻合的超真实视频
微软亚洲研究院宣布了一个新的高级模型：VASA-1 模型。通过 VASA-1 模型，仅需一张人像照片以及音频片段，即可生成与口型脸型完全吻合的动态视频。
VASA-1 模型的主要特点有：
微软亚洲研究院宣布了一个新的高级模型：VASA-1 模型。通过 VASA-1 模型，仅需一张人像照片以及音频片段，即可生成与口型脸型完全吻合的动态视频。
VASA-1 模型的主要特点有：
Powered by
BroadcastChannel
&
Sepia
