IXThinker·2025-07-18 15:00

多角色同框對話影片生成新框架 免剪輯直出

音頻驅動的說話人影片生成近年進展顯著，但現有方法多聚焦單角色場景。研究人員提出Bind-Your-Avatar框架，首度專注同場景多角色說話影片生成，透過細粒度路由實現語音與角色的精準綁定，免剪輯直出對話影片。

細粒度嵌入路由

Bind-Your-Avatar基於擴散Transformer（MM-DiT），透過細粒度嵌入路由，將每段語音與對應角色綁定。針對現有雙角色方法只能分別生成兩段分離說話影片的局限，它實現了同場景多角色的精準音畫同步。