杀疯了！谷歌卷视频到语音，逼真音效让AI视频告别无声！

哈喽！大家好，很高兴又见面了，我是golang学习网的一名作者，今天由我给大家带来一篇《杀疯了！谷歌卷视频到语音，逼真音效让AI视频告别无声！》，本文主要会讲到等等知识点，希望大家一起学习进步，也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧！

AI圈这遍地开花的大好局面，让吃瓜群众们甚是惊喜。

音频提示: 紧张刺激的恐怖片配乐，脚步声在混凝土上回响。（Cinematic, thriller, horror film, music, tension, ambience, footsteps on concrete）

音频提示: 狼在月光下的长嚎。（Wolf howling at the moon）

音频提示: 可爱的幼年恐龙在丛林中啁啾，伴随着蛋壳的破裂声。（Cute baby dinosaur chirps, jungle ambience, egg cracking）音频提示: 汽车打滑声、引擎轰鸣声，伴随着天使般的电子音乐。（cars skidding, car engine throttling, angelic electronic music） 音频提示: 日落时分，草原上响起悠扬的口琴声。（a slow mellow harmonica plays as the sun goes down on the prairie） 

音频提示：一艘宇宙飞船在浩瀚的太空中疾驰，星星在它周围划过，高速飞行，充满科幻感。（A spaceship hurtles through the vastness of space, stars streaking past it, high speed, Sci-fi）音频提示：天籁般的大提琴氛围（Ethereal cello atmosphere） 音频提示：一艘宇宙飞船在广袤的太空中高速穿梭，星星在它周围飞速掠过，具有科幻感。（A spaceship hurtles through the vastness of space, stars streaking past it, high speed, Sci-fi） 

谷歌方面强调，他们的技术与现有的视频到音频解决方案都不同，因为它可以理解原始像素，并且添加文本提示是可选的。此外，该系统不需要手动对生成的声音与视频进行对齐，极大地简化了创作流程。

V2A 技术尝试从输入文本中生成语音，并将其与角色的口型动作进行同步，但若视频模型未针对文本内容进行相应的调整，就可能导致口型与语音不同步。他们正改进这一技术，以提升唇形同步的自然度。

^{https://deepmind.google/discover/blog/generating-audio-for-video/}

^{https://x.com/GoogleDeepMind/status/1802733643992850760}

好了，本文到此结束，带大家了解了《杀疯了！谷歌卷视频到语音，逼真音效让AI视频告别无声！》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多科技周边知识！