MM-Sonate: Multimodal Controllable Audio-Video Generation with Zero-Shot Voice Cloning

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Qiang, Chunyu, Wang, Jun, Wang, Xiaopeng, Yin, Kang, Guo, Yuxin
Format:	Preprint
Publié:	2026
Sujets:	Sound Artificial Intelligence Computer Vision and Pattern Recognition Multimedia Audio and Speech Processing
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2601.01568