PVSync：统一唇形同步专家模型

2026年10月8日，arXiv 计算机视觉（一手）发布 PVSync，一个统一的唇形同步专家模型，用于音视频偏移估计与音素级发音清晰度评分。该模型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。目前公开信息仅涉及模型方法与训练标签来源，未见性能数据、代码开源或后续验证报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。