2024-06-19 厉飞雨 阅读(188) 评论(0) 赞(7)

在以往的说话人生成项目中，音频信号条件较弱，通常会被面部姿势和参考图像等更强的型号所掩盖，然而，弱信号直接训练会导致收敛困难。 V-Express方法通过渐进式训练和条件退出操作来平衡不同的控制信号，逐渐实现弱条件的有效控制，从而实现同时考虑面部姿态、参考图像和音频的生成能力。