上一篇
Ministral 3B/8B是什么？一文让你看懂Ministral 3B/8B的技术原理、主要功能、应用场景
TANGO是什么？一文让你看懂TANGO的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
TANGO概述简介
TANGO 是一个由东京大学和 CyberAgent AI Lab 一起推出的开源框架，专注于生成与目标语音同步的全身手势视频。基于分层音频运动嵌入和扩散插值网络，将目标语音音频与参考视频库中的动作完美匹配，确保制作出高保真度、动作同步的视频。TANGO 技术突破极大地降低视频内容制作的成本，包含新闻播报、虚拟人解说和虚拟 YouTube 内容创作等领域，为用户提供一种高效且经济的解决方案。
TANGO的功能特色
语音驱动的全身手势生成：根据目标语音音频生成与之同步的全身手势视频。
高保真视频制作：确保生成的视频具有高保真度，动作自然且与语音内容精确匹配。
跨模态对齐：基于分层音频运动嵌入技术，实现音频信号与视频动作之间的精准对齐。
过渡帧生成：用扩散插值网络生成高质量的过渡帧，确保视频动作的连贯性。
外观一致性保持：在生成的视频中保持与参考视频相同的人物外观和背景，避免视觉不一致的问题。
TANGO的技术原理
分层音频运动嵌入（AuMoCLIP）：隐式的层次化音频-动作联合嵌入空间，用在编码配对的音频和动作数据。基于对比学习，将语音音频和动作数据映射到一个共同的潜在空间中，让匹配的音频和动作在空间中的距离更近，实现精准的动作检索。
扩散插值网络（ACInterp）：网络基于现有的视频生成扩散模型，用在生成高质量的过渡帧。包括一个参考运动模块和单应背景流，保持生成视频与参考视频间的外观一致性。有效消除传统基于流的插值方法中常见的模糊和重影伪影。
动作图检索方法：TANGO基于学习的方法，而非简单的音频起始特征和关键词匹配，检索与目标语音音频最匹配的动作路径。能更好地处理不同说话者的动作与音频起始不同步的情况，及参考视频中缺少特定关键词的问题。
图结构：TANGO用有向图结构来表示视频帧（节点）和之间有效的转换（边）。给定目标音频，系统提取时间特征，用时间特征检索视频播放路径的一个子集。当原始参考视频中不存在转换边时，用ACInterp生成平滑的过渡帧。
TANGO项目介绍
项目官网：pantomatrix.github.io/TANGO
arXiv技术论文：https://arxiv.org/pdf/2410.04221
在线体验Demo：https://huggingface.co/spaces/H-Liu1997/TANGO
TANGO能做什么？
新闻广播：生成与新闻稿同步的全身手势视频，提高新闻播报的自然度和观众的观看体验。
虚拟YouTuber：为虚拟YouTuber创建与语音同步的全身动作视频，增强粉丝的互动和参与感。
在线教育：制作教育内容时，基于TANGO生成教师的全身手势视频，让远程教学更加生动和有效。
企业培训：在企业培训视频中加入与讲解同步的手势，提高学习材料的吸引力和信息的传达效率。
视频会议：在视频会议中，用TANGO生成的手势视频提升参与者的交流体验，尤其是在远程协作时。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Map This
Map This是一个将PDF文档转换为思维导图的工具，旨在帮助学生、职业人士和任何希望有效组织思维的人简化学习并增强信息记忆。通过将密集的PDF文档...
Ilus AI
Ilus AI是一款AI插画生成器，可以帮助用户快速生成美丽、风格一致的插画作品。它采用先进的人工智能技术，可以自动绘制出逼真的插画作品。该产品的主要...
SpeechGPT2
SpeechGPT2是由复旦大学计算机科学学院开发的端到端语音对话语言模型，能够感知并表达情感，并根据上下文和人类指令以多种风格提供合适的语音响应。该...
Pet Prints AI
Pet Prints AI是一个可以将您宠物的照片转化为艺术作品的在线服务。它使用AI技术生成真实逼真的宠物图像，并提供多种风格供选择。您可以从现有的...
Eraserbot
Eraserbot 是一款面向开发团队的自动化工具，专注于代码库图表的自动生成与更新。它通过与 Git 集成，能够在代码变更时自动更新相关图表，确保文...
Selfarama
Selfarama 是一款教育图书产品，通过将孩子与历史上最伟大的画家联系起来，帮助他们学习艺术史知识。产品包含定制的孩子肖像画和通俗易懂的教育文本。...
VanillaHR
VanillaHR是一款AI招聘平台，提供全方位的招聘解决方案，根据特定的招聘需求，帮助企业筛选、吸引、评估和面试最佳候选人。功能包括集成日历、提高招...
SongCleaner
SongCleaner是一个利用人工智能技术来清理歌曲中不适当词汇的平台，它允许用户上传MP3或WAV格式的音频文件，然后通过AI分析和编辑，生成适合...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
