八百里 字节AI版小李子一开口 黄风岭 (八百里网络科技有限公司)

值得一提的是，模型中也涉及到了一个Audio2Latent模块，这个模块可以将音频信息映射到共享的运动潜在空间，进一步帮助模型理解音频与视频中人物动作之间的关系。