能够完整保留原说话者的语调和节奏，让翻译后的声音听起来更自然。
该模型响应速度更快、语音更自然，对复杂指令的处理能力也更强
真正的语音交互，核心不是“Voice”，而是“Sound”（声音）。
这一研究突破不仅是关于面部动画的，它是朝向实时互动的音频视觉AI角色迈出的一步。
07/09 12:20
07/09 12:19
07/09 12:18
京公网安备 11011402013531号