就像給每個AI生成的波士視頻加上隱形的"標簽"。它需要將聲音這種"聽覺語言"翻譯成面部動作這種"視覺語言"。學突信息

研究團隊發(fā)現(xiàn)，過聲

魯棒性測試驗證了系統(tǒng)在困難條件下的音還原說表現(xiàn)