Google刚刚发布了VideoPoet：多模态视频生成模型！

它是大规模多模态的，可以作为输入：文本、图像、深度和光流或蒙版视频，并且是第一个生成视频+音频的模型之一！

更多信息如下 ⬇️  ⬇️

通过输入视频，无需任何文本提示，它就会为其生成可信的音频！

以上就是全部，原作者@alexcarliera