हाल ही में, बाइट्स जंपिंग ने LatentSync नामक एक नए मुँह के आकार के समन्वय ढाँचे को लॉन्च किया है, जिसका उद्देश्य ऑडियो शर्तित संभावित प्रसार मॉडल का उपयोग करके अधिक सटीक मुँह के आकार का समन्वय प्राप्त करना है। यह ढाँचा Stable Diffusion पर आधारित है और समय की स्थिरता के लिए ऑप्टिमाइज़ किया गया है। पहले के पिक्सेल स्पेस प्रसार या दो-चरणीय जनरेशन विधियों की तुलना में, LatentSync एक एंड-टू-एंड दृष्टिकोण अपनाता है, जिसमें मध्यवर्ती गति प्रतिनिधित्व की आवश्यकता नहीं होती है, और यह सीधे ऑडियो और दृश्य के बीच जटिल संबंधों का मॉडलिंग कर सकता है। LatentSync के भीतर

हाल ही में, अलीबाबा दमो学院 की अनुसंधान टीम ने एक महत्वपूर्ण शोध परिणाम जारी किया, जिसका नाम “SHMT: आत्म-निगरानी स्तरित मेकअप स्थानांतरण” है। यह पेपर अंतरराष्ट्रीय शीर्ष शैक्षणिक सम्मेलन NeurIPS2024 में स्वीकार किया गया है। यह शोध एक नई मेकअप इफेक्ट ट्रांसफर तकनीक का प्रदर्शन करता है, जो संभावित प्रसार मॉडल (Latent Diffusion Models) का उपयोग करके मेकअप छवियों के सटीक निर्माण को संभव बनाता है, मेकअप अनुप्रयोगों और छवि प्रसंस्करण के क्षेत्र में नई ऊर्जा इंजेक्ट करता है। सरल शब्दों में, SHMT एक मेकअप ट्रांसफर तकनीक है, जो बस

Stability AI ने "Stable Audio" नामक AI संगीत जनरेटिंग टूल लॉन्च किया है, जो 90 सेकंड तक उच्च गुणवत्ता वाले व्यवसायिक संगीत का निर्माण कर सकता है। Stable Audio संभावित प्रसार तकनीक का उपयोग करता है, जो संगीत की गुणवत्ता और संगति की समस्याओं को हल कर सकता है। अन्य संगीत जनरेटिंग मॉडलों के विपरीत, Stable Audio 90 सेकंड तक संगीत उत्पन्न कर सकता है, जो ध्वनि की गुणवत्ता में उत्कृष्ट है। Stability AI ने व्यवसायिक संगीत पुस्तकालय AudioSparx के साथ सहयोग किया है।