近日，来自伊利诺伊大学厄巴纳 - 香槟分校、Sony AI 及 Sony 集团公司的研究团队推出了一项名为 MMAudio 的新技术，该技术旨在通过多模态联合训练，实现高质量的视频到音频合成。MMAudio 的核心创新在于能够利用视频和文本输入生成同步的音频，从而拓展了音频生成的应用场景，支持输入视频或文本，生成符合视频内容的音效。MMAudio 的设计使其能够在各种视听和音频文本数据集上进行训练。这种多模态联合训练的方式，不仅提高了合成音频的质量，还确保了生成的音频与视频帧之间的同步

["苹果公司强硬回应欧盟 5 亿欧元罚单","字节跳动正秘密研发多个 AI 产品","OpenAI 称纽约时报雇黑客攻击 ChatGPT","Google 总裁称 Gemini 的多样性问题「不可接受」","李彦宏称坚定对生成式 AI 和基础模型投入","马斯克、雷军谈苹果放弃造车","索尼 PlayStation 部门裁员 900 人","长安汽车回应洽购高合汽车","GitHub 推出企业版 Copilot","蚂蚁集团发布 20 亿参数多模态遥感基础模型","新款特斯拉 ROADSTER 或于年底推出","一加 Ace 3 原神刻晴定制机发布","Prada 推出《繁花》特别合作系列","奈雪调整加盟战略","《原神》发布新版本特别节目预告","《海洋奇缘》女主回归第二部","NETFLIX 漫改剧集《寄生兽》4 月初上线"]