Qifeng Liu

FlashSpeechは、迅速で高品質な音声合成ソリューションを提供してるよ。

マルチビューディフュージョンを使って、単一の画像から詳細な3D画像を作る新しい方法。

CoCoGestureは、話される言葉に合わせたリアルなジェスチャーを作って、インタラクションを高めるんだ。

大規模言語モデルがマルチメディア生成を通じて創造性をどう高めるかを探ってみよう。

動画コンテンツに合った音楽を効果的に作る新しい方法。

MMTrailは、より良いビデオ言語モデルのために視覚と音声の説明を組み合わせてるんだ。

X-Codecは、音声生成をセマンティックな理解を処理に組み込むことで改善するんだ。

新しい方法で、たった1枚の画像からよりリアルな3Dモデリングができるようになったよ。