WavFlow 直接在波形空间中生成音频（GitHub 仓库）

TLDR AI 论文
audio-generation waveform flow-matching meta-ai research github

摘要

WavFlow 是 Meta AI 提出的一种新方法，它直接从视频和文本输入在原始波形空间中生成同步、高保真的音频，绕过了潜在压缩。在 VGGSound 和 AudioCaps 基准测试中，其性能与基于潜在空间的方法相当。

WavFlow 是 Meta AI 的一个流匹配框架，它直接从视频和文本输入在原始波形空间中生成同步音频，无需依赖潜在音频压缩。
查看原文
查看缓存全文

缓存时间: 2026/05/21 18:14

WavFlow: 波形空间中的音频生成

相似文章

WavFlow：波形空间中的音频生成

Hugging Face Daily Papers

WavFlow 通过波形分块和振幅提升，直接在原始波形空间中生成高保真音频，在视频到音频和文本到音频基准测试中取得了具有竞争力的性能，无需中间潜在表示。