arXiv · Computer Vision· Kevin Stephen, Varun Menon, Timo Mertens, Nikita Drobyshev·· 4 小时前AI 评分29
PVSync：统一的唇形同步专家模型，兼顾时序与发音清晰度
PVSync: A Unified Lip-Sync Expert for Timing and Articulation
AI 导读
PVSync 是一个统一模型，用于音视频偏移估计与音素级发音清晰度评分，结合窗口级对比学习与音素级目标对齐同一 viseme 类的音视频嵌入，viseme 标签由强制对齐转写自动生成、无需人工标注。
来源：arXiv · Computer Vision · arxiv.org