Hace unos días, cepillé un video "Mirror Dream Edge", hay sonido e imagen, la consistencia del sonido y la imagen es muy buena, y ahora el video de generación de imágenes es relativamente maduro, pero el sonido y la imagen están integrados, y no es fácil alinear con precisión la forma de la boca, la expresión y la voz. Más tarde, me enteré de que este video está completamente generado por el modelo de video de la máquina de vapor de Baidu, que puede soportar muy bien la generación de voces, especialmente el habla china.