Hugging Face 每日论文·· 4 天前精选AI 评分55
SepGen：在单一模型中实现多声源音视频分离与生成
SepGen: Multi-Stem Audio-Video Separation and Generation in a Single Model
AI 导读
SepGen 扩展了预训练音视频生成器，在一次联合采样中同时输出视频、混合音轨以及每个带描述声源的独立波形。它支持生成与分离两种模式：生成模式下每个声源描述指定其 stem 内容，分离模式下输入音轨保持干净、由描述指定要提取的内容。
推荐理由
论文说明了音视频生成器只能输出混合音轨的局限，以及 SepGen 如何在一次采样中同时给出各声源独立波形。
来源：Hugging Face 每日论文 · huggingface.co