谷歌 DeepMind 公布为无声视频配音 AI 模型

卡饭网 6 月 21 日消息，据DeepMind新闻稿透露，DeepMind最新研发出一项“video-to-audio”AI模型技术，可为无声视频量身打造背景音乐。

目前该AI模型仍存局限，需开发者以提示词预先“描绘”视频可能的声响，尚不能直接依据视频画面添加具体音效。

据悉，模型会先将用户输入的视频进行拆解，再结合用户提供的文字提示，通过扩散模型反复运算，最终生成与视频画面相协调的背景声音。

例如，输入一段“黑暗中行走”的无声视频，并添加“电影、恐怖片、紧张氛围、脚步声”等提示词，模型便能生成符合恐怖风格的背景音效。

DeepMind 同时表示，该“video-to-audio”模型可以为任何视频生成无限数量的音轨，还能够通过提示词内容判断生成的音频“正向性”或“反向性”，从而令生成的声音更贴近某些特定场景。