先日、バイトダンスは、オーディオ条件付き潜在拡散モデルを利用してより正確なリップシンクを実現することを目的とした、LatentSyncという新しいリップシンクフレームワークを発表しました。このフレームワークはStable Diffusionをベースに、時間的一貫性を最適化しています。従来のピクセル空間拡散や2段階生成の方法とは異なり、LatentSyncはエンドツーエンド方式を採用し、中間モーション表現を必要とせず、複雑なオーディオとビジュアル間の関係を直接モデル化できます。LatentSyncの

北京快手科技有限公司は先日、同社が独自開発したビジュアル生成大規模モデル、可灵AI（Kling）APIが新たな能力アップグレードを実施したと発表しました。アップグレード後の可灵AI APIは、バーチャル試着とリップシンクの2つの機能において著しい進歩を遂げ、EC、広告マーケティング、エンターテインメント、AIツール分野の顧客に、より強力な技術サポートを提供します。