苹果联合人大发布VSSFlow模型：无声视频AI生成音效与配音
2月10日消息，科技媒体9to5Mac近日发布文章，透露苹果公司已联合中国人大团队，成功推出了名为VSSFlow的新型AI模型。这项技术突破了传统音频生成的局限，能够在单一框架下，从无声视频中同时合成出逼真的环境音效与清晰的人声语音。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
该模型的核心在于其“化静为动”的能力，可对无声视频数据进行端到端处理。基于统一的架构，系统能同步生成与画面高度契合的环境声场，同时输出精准自然的语音对白。这一成果不仅解决了过往音频模型功能单一的问题，其生成质量更是达到了业界领先水平。
根据博文介绍，在VSSFlow问世之前，业内模型往往存在明显的功能偏向：专攻视频转语音的模型难以输出清晰人声，而基于文本的语音合成模型又无法有效处理复杂的环境噪音。
传统的解决方案通常需要将两项任务分阶段进行训练，这不仅增加了系统复杂度，还常因任务冲突而导致性能下降。VSSFlow则另辟蹊径，采用了10层的架构设计，并引入“流匹配”技术，让模型能够自主学习如何从随机噪声中，精准重构出目标语音信号。
研究团队在训练过程中发现了一个惊喜的现象：联合训练不仅没有引发任务干扰，反而产生了“互助效应”。具体来说，语音数据的训练提升了音效生成的质量，而音效数据的加入也优化了语音的最终表现。
为了实现这一效果，团队向模型输入了混合数据，其中包含带有环境音的视频、配有字幕的讲话视频，以及纯文本转语音数据。通过利用合成样本微调模型，使其学会了如何同时输出背景音与人声。
在实际运行中，VSSFlow以每秒10帧的频率从视频中提取视觉线索，从而塑造出匹配的环境音效，同时依据文本脚本精准引导语音生成。
测试数据显示，该模型在多项关键指标上均优于那些专为单一任务设计的竞品模型。目前，研究团队已在GitHub上开源了VSSFlow的相关代码，并正在推进模型权重公开以及在线推理演示的开发工作。
相关攻略
3月30日，千问宣布上线Qwen3 5-Omni。Qwen3 5-Omni系列包含Plus、Flash、Light三种尺寸的Instruct版本，支持256k长上下文，模型支持超过10小时的音频输
IT之家 3 月 16 日消息，追觅现已在京东上架一款 Dreame 智能中控屏 S6，该机配备一块 6 英寸面板，主打智能语音交互功能，定价为 2799 元。该中控配备一块 6 英寸 AF 防指纹
IT之家 3 月 13 日消息，科技媒体 Android Authority 今天发布博文，报道称在安卓 17 Beta 2 更新中，谷歌已启用更严格的高级保护模式，直接拦截非最新无障碍工具类应用调
3月13日消息，微信日前官宣三大新功能，其中语音 视频通话忽略功能，因能让用户体面回避不想接的来电、且对方不会收到拒接提示，被网友直呼“社恐福音”。该功能与跨语言沟通、通话防误触功能一同开启灰度放量
IT之家 3 月 10 日消息，AI 理想同学的最新账号今日宣布，理想 AI 眼镜 Livis 再进化，带来了佩戴检测 + 一气呵成两大开关、连续语音抓拍等功能。IT之家附理想 AI 眼镜 Livi
热门专题
热门推荐
开发者Chris通过Codex服务，仅用一句指令便自主完成开源赏金任务，盈利23 68美元，覆盖订阅成本。此事展示AI自主执行商业闭环的潜力，也引发成本与安全争议。AI正从工具向主动创收者转变。
在《崩坏：星穹铁道》的众多角色中，火花以其独特的技能机制，为战斗策略带来了丰富的变数与操作乐趣。她并非单纯的数值输出角色，而是一位集机动性、爆发伤害与战术价值于一体的近战专家。深入理解其技能联动，是充分发挥其战场潜力的关键。 普通攻击 - 迅刃连斩 火花的普通攻击“迅刃连斩”，是一套衔接流畅的近战连
想在《迷你世界》中解锁智能芯片的全部潜力？掌握升级方法是关键一步。通过升级，芯片不仅能获得更强大的功能，还能显著提升自动化与创造体验。本指南将为您提供一套清晰、高效的升级方案，助您快速掌握核心技巧。 准备材料：精准收集 成功的升级始于充分的准备。您需要提前备齐以下核心资源：精铁锭、蓝色电能线、硅石以
《斗罗大陆：猎魂世界》于5月11日至18日限时开启“寻宝之旅”活动。玩家通过任务或礼包获取道具，掷点前进即可领取限定觉醒券、钻石等奖励。完成整圈可得固定资源，累计积分可兑换更多奖励；第16圈起奖励品质提升，整体效率优化。活动门槛低、回报高，无需强制消费，适合各类玩家参与。
全新秘境“龙骧御六合”开放高难度挑战，玩家需在悬浮石枷上协同维持平衡，应对雷霆与坠石冲击，移动石板可削弱伤害。后续Boss“独夫”登场时，部分队员需切入其内心，其余成员按提示执行阵列动作，全程考验队伍反应与协作能力。