算法论文8
港大与字节跳动推出 JoVA 音视频生成模型
机器之心
AI 摘要
港大与字节跳动团队:提出 JoVA 框架,支持音视频 Token 跨模态交互,引入嘴部损失解决口型同步。用约 190 万数据训练,在多项指标达先进,小模型高效,大模型性能优。
阅读原文 · 机器之心
港大联合字节跳动提出JoVA: 一种基于联合自注意力的视频-音频联合生成模型
香港大学联合字节跳动提出视频 - 音频联合生成框架 JoVA,支持音视频 Token 跨模态交互,引入嘴部区域特定损失解决口型同步问题。实验显示,它用约 190 万条数据就达先进水平。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯9
字节首次亮相自研AI世界模型
本文报道字节跳动在抖音集团2026美好奇妙夜首次公开亮相自研世界模型,该模型可生成可交互三维世界,支持实时探索编辑。文章梳理了世界模型的技术逻辑、产业价值与全球发展格局。
量子位
产品应用8
飞书+豆包开启协同办公Agent时代
本文报道2026飞书未来无限大会,字节跳动发布完成系统性适Agent化改造的飞书8.0,以及国内首个团队智能体产品豆包工作伙伴,原生深度融合打造Agent时代协同办公新方案,披露企业AI选型新趋势,强调企业级AI安全。
量子位
产品应用8
豆包工作上新三大功能 主打无痛办公
本文带来字节跳动豆包工作三大新功能的一手实测,解析功能解决的AI办公核心痛点,探讨字节在Agent赛道的产品布局与商业化思路,分享真实使用体验。
特工宇宙
产品应用9
豆包工作更新 实测后我给满分
本文为新智元出品的实测文章,针对字节跳动豆包工作的最新三大更新展开体验测评,分析当前AI办公的核心痛点,验证新功能的实际解决效果,给出真实使用评价。
新智元