复旦上线音视频模型新裁判：一万组数据对齐人类审美
复旦上线音视频模型新裁判：一万组数据对齐人类审美现有的音视频奖励模型，能通过局部指标捕捉到画质或同步上的优势，却往往忽略声音失真、台词与提示不符，以及动作和语音配合不自然等问题。
来自主题: AI技术研报
8621 点击 2026-09-21 15:30
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
现有的音视频奖励模型，能通过局部指标捕捉到画质或同步上的优势，却往往忽略声音失真、台词与提示不符，以及动作和语音配合不自然等问题。