SepGen 开源 LoRA:LTX-2.5 视频可为每种声音单独生成音轨
No_Inflation9351 · reddit · 2026-10-12
开发者发布面向 LTX-2.5 22B dev 的开源 LoRA「SepGen」,让视频生成在同一次运行中为每个被描述的声音输出独立音轨:提示「吉普车引擎轰鸣」「出租车喇叭鸣响」,就能同时得到视频、完整混音以及各声音的分轨。同一套权重还能对已有视频做声音分离,实现空间音频效果。项目在 Hugging Face Daily Papers 上线,代码、训练配置与两个 LoRA 权重均已在 GitHub 和 HF 开源。
所属事件:特拉维夫大学与谷歌开源 SepGen，视频生成可输出分轨音源(3 条相关)→
「多模态」频道最新
- 从贝多芬钢琴曲到 AI 音乐MV:WANTED 完整制作流程拆解 — tetsuoai · 2026-10-12
- Qwen-Image-2.1 无审查量化版登 Hugging Face 热榜 — abenzerps · 2026-10-12
- 本地实测:4070 Ti Super 跑 H3 反而快过 RTX 5070 一倍 — smellyelon · 2026-10-12
- OpenWork 开源替代 Claude Cowork，已收获 2.4 万 Star — alex_verem · 2026-10-12
- Black Forest Labs 官宣：FLUX 3 Image 开源权重版即将发布 — Accurate-Ad2562 · 2026-10-12
- Atlas 演示：单张输入图按指定镜头路径补全角色未见视角 — XRarchitect · 2026-10-12