arXiv cs.CV· Nikolay Semenov, Artem Riabinin, Sergey Bassenko, Anna Averchenkova, Julia Agafonova, Anastasia Aliaskina, Kirill Kozlov, Lev Novitskiy, Nikita Samsonov, Nikolai Gerasimenko, Denis Dimitrov·· 4 小时前AI 评分60
Kandinsky S2V 1.0 发布：开源语音驱动虚拟人视频生成模型
Kandinsky S2V 1.0: Audio-Driven Avatar Video Generation
AI 导读
Kandinsky S2V 1.0 发布开源语音驱动虚拟人视频模型家族，包含 2B 参数的 Lite 和 21B 参数的 Pro 两个版本。模型输入单张参考图、语音波形和文本提示词即可生成 25 FPS 长视频，唇动、表情、姿态与手势跟随语音，架构从 Qwen2.5-Omni 取文本与音频条件并加入参考感知三尺度视觉记忆。
来源：arXiv cs.CV · arxiv.org