Skip to content
Hot eventLive

CrossEdit论文：跨模态训练实现音视频编辑

1 reports1 sources4 hr ago updated

Get the story

AI overview

研究者提出 CrossEdit，一个面向图像、音频与视频的统一全模态编辑模型，声称可零样本完成音视频电影场景编辑。其方法利用声学信号的加性特性，程序化生成大规模组合式音频编辑对，并结合自监督 AV 掩码重建与精选跨模态任务微调，使指令遵循能力迁移到未见的模态与指令组合。该成果发布于 arXiv 的 Audio and Speech 栏目，属一手研究报道。目前尚无第三方验证或后续进展披露，报道也未给出具体量化指标或开源信息。

Generated from reports · updated 3 hr ago

LatestOct 8
arXiv 发布 CrossEdit 论文，提出统一全模态编辑模型，可零样本完成音视频电影场景编辑。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Audio and Speech
    CrossEdit：跨模态训练实现丰富的音视频编辑

    研究者提出 CrossEdit，一个面向图像、音频与视频的统一全模态编辑模型，可零样本完成音视频电影场景编辑。团队利用声学信号的加性特性程序化生成大规模组合式音频编辑对，并结合自监督 AV 掩码重建与精选跨模态任务微调，使指令遵循能力迁移到未见的模态与指令组合。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.