首篇视频-音频联合生成与编辑系统综述发布

2026年10月2日，AGI Hunt 报道一篇新综述系统梳理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。目前报道仅此一则，尚未见后续进展或同行回应。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。