热点事件持续更新
Soundwich：视频生成的分层可控音频框架
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
Soundwich 是一种训练免框架，将冻结的联合音视频流匹配模型转为生成多个同步且可独立编辑的音频 stem，并与共享视频耦合。它通过共享场景表征保持跨 stem 的全局音视频一致性，同时保留源级分离，并将跨模态交互路由到对应视觉源，提升音画一致性。该框架于 2026-10-02 发布于 arXiv · Computer Vision。
AI 根据报道生成 · 1 小时前更新
最新进展10月2日 12:00
2026-10-02 发布 Soundwich，提出训练免框架实现视频生成的分层可控多音频 stem。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Computer Vision精选Soundwich：分层可控音频的视频生成
Soundwich 是一种训练免框架，将冻结的联合音视频流匹配模型转为生成多个同步且可独立编辑的音频 stem，并与共享视频耦合。它通过共享场景表征保持跨 stem 的全局音视频一致性，同时保留源级分离，并将跨模态交互路由到对应视觉源，提升音画一致性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。