谷歌剛剛發布了VideoPoet：多模式視頻生成模型！

它是大規模多模式的，可用作輸入：文本、圖像、深度和光流或屏蔽視頻，是最早生成視頻+音頻的模型之一！

更多信息如下''️

通過輸入視頻，它會生成可信的音頻，而無需任何文本提示！

僅此而已，原作者@alexcarliera