#101 · 主分类： 语音合成与识别
MMAudio
audio
audio-synthesis
computer-vision
deep-learning
text-to-audio
video-to-audio
[CVPR 2025] MMAudio：驯服多模态联合训练以实现高质量视频到音频合成
项目最后更新：02/23/26
GitHub Stars
2.3K
Forks数量
267
贡献者数量
3
许可证
MIT
收录理由
MMAudio 出自 CVPR 2025 论文，能根据一段视频（可搭配文字提示）生成与画面同步的音频。它专门设计了一个同步模块，让声音紧密贴合视觉内容，很适合为无声的库存素材或 Sora、Veo 这类不产声音的生成视频补上音效。仓库里提供了预训练权重，还有 Colab 和 Replicate 在线演示，不用自己搭环境就能先听效果。如果你常做短视频，又不想依赖封闭的商用音频接口，这个项目值得一试。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。