- V2A 工具可用于为任何视频输出生成无限数量的配乐。
- DeepMind 将花时间正式发布 V2A，因为该工具正在接受严格的安全评估。
- V2A 可与 Veo 等视频生成工具配对使用，并自动将声音与合适的场景匹配。
Google的AI研究实验室DeepMind透露，它正在开发一种名为V2A的AI工具，可以为AI生成的视频创建声音和对话。V2A（视频转音频）使用基于文本的提示和视频像素，为视频生成对话、音乐和音效。
延伸阅读： Google DeepMind推出TacticAI：革新足球战术
据DeepMind称，生成的音效和音乐与视频的预定基调和角色相匹配。DeepMind进一步解释说，该技术可以帮助为AI生成的视频带来更多生机。
V2A将音频与视频场景匹配
虽然音频生成技术并非新鲜事物，但DeepMind声称其V2A工具是同类中首个自动将音频与视频匹配的工具。
“视频生成模型正在以惊人的速度发展，但许多当前系统只能生成无声输出，”DeepMind在 博客文章中写道。
“通过对视频、音频以及额外注释进行训练，我们的技术学会了将特定的音频事件与各种视觉场景关联起来，同时响应注释或转录中提供的信息。”
DeepMind。
该公司补充说 其技术是自动化的，而不是耗时的人工对齐，后者需要调整声音、视频和时间。
据DeepMind称，V2A工具可用于为任何视频输出生成无限数量的音轨。正向提示可以“被定义以引导生成的输出朝向期望的声音，或者负向提示以引导其远离不期望的声音。”
“这种灵活性使用户对V2A的输出拥有更多控制权，使得能够快速尝试不同的音频输出并选择最佳匹配，”该公司表示。
我们分享视频转音频（V2A）生成技术的最新进展。🎥
它可以为无声片段添加与场景声学相匹配的声音，伴随屏幕上的动作等。
这里有4个例子——打开你的声音。🧵🔊 https://t.co/VHpJ2cBr24 pic.twitter.com/S5m159Ye62
— Google DeepMind (@GoogleDeepMind) 6月 17, 2024
DeepMind对竞争无动于衷
最新的创新之际，DeepMind希望巩固其在行业中的主导地位。今年早些时候，英国AI语音生成公司ElevenLabs在B轮融资中获得8000万美元，据 Verdict报道，该公司估值超过10亿美元，实现了里程碑式的突破。
该公司表示，其用户已生成了超过100年的音频。它还声称，其音频软件目前被41%的财富500强公司使用。
另见：Google DeepMind与OpenAI：AI视频生成竞赛升温
尽管存在竞争，DeepMind表示他们并不急于向公众发布该技术。
“在我们考虑向更广泛的公众开放访问之前，我们的V2A技术将经过严格的安全评估和测试，”该公司表示。
DeepMind还表示，V2A可与 Veo等视频生成模型配对，有助于创建逼真的音效。
Cryptopolitan 记者 Enacy Mapakame 报道
最聪明的加密领域人士已经在阅读我们的通讯。想加入吗？加入他们。
免责声明。 本文提供的信息不构成交易建议。 Cryptopolitan.com 对于基于本页信息进行的任何投资，我们不承担任何责任。我们强烈建议在进行任何投资决策之前，进行独立研究或咨询合格的专业人士。
Enacy Mapakame
Enacy Mapakame 是一位拥有超过 10 年商业与财经新闻经验的记者。她专注于资本市场及新兴技术领域，涵盖元宇宙、人工智能和加密货币。Enacy 拥有媒体与社会研究荣誉学士学位。
