首篇系统综述：视频-音频联合生成与编辑统一形式化，9 类 28 种编辑

一篇新综述系统梳理了视频与音频联合建模的生成方法，指出两种模态虽总被一起感知，多数生成模型却将其割裂处理。该综述用统一形式化把联合生成、跨模态生成与联合编辑定义为「音视频对单一分布」上的三个问题，并提出沿五个设计轴比较各方法的设计分类法。作者称其为首个系统分类联合音视频编辑的综述，梳理出 9 大编辑类别、28 种编辑类型。