巨人网络发布三大 Muli-Modal 模型：消除视频畸变，歌声转换实现“真实歌曲可用”

巨人网络AI Lab联合清华大学、西北工业大学发布三项音视频多模态生成技术：YingVideo-MV（音乐驱动视频生成）、YingMusic-SVC（零样本歌声转换）和YingMusic-Singer（歌声合成）。这些技术将开源，其中YingVideo-MV仅需音乐和人物图像即可生成视频。