流匹配

北大等联合研发的开源高效视频生成AI模型，训练GPU成本低 由北京大学、快手科技、北京邮电大学联合研发的视频生成AI模型，基于自回归模型与流匹配技术打造。核心优势为训练效率高，仅需较低GPU小时数即可在开源数据集完成训练，可生成高质量视频内容。目前已公开论文、代码与模型，供研发使用，降低了视频生成模型的训练门槛。

基于扩散变换器的AI音乐模型，支持文本引导音乐生成与编辑 MelodyFlow是基于扩散变换器架构，采用流匹配目标训练的AI音乐模型。可生成、编辑多样化高质量立体声音乐，支持文本描述输入控制。该模型提出新型正则化潜在反转方法，可实现零样本测试阶段的文本引导音乐编辑，经评估，在文本到音乐基准测试中质量效率与主流基线相当，音乐编辑性能超越以往最优技术。

基于流匹配的音频驱动人像视频生成技术，实现时间一致运动设计 FLOAT是DeepBrain AI研究团队推出的音频驱动人像视频生成技术，不同于传统在像素潜在空间完成生成建模的方案，该技术将生成过程转移到学习得到的运动潜在空间，依托基于变换器的向量场预测器与逐帧条件机制，支持语音驱动的情感增强，可自然融入表现力运动，多项实验验证其表现优于同类现有方法