ZARZA We are Zarza, the prestigious firm behind major projects in information technology.
Listen "让他们开口：音频驱动的多人对话视频生成"
Episode Synopsis
本期节目深入探讨了名为MultiTalk的创新框架，该框架专注于一项全新任务：音频驱动的多人对话视频生成。我们讨论了该技术如何解决多路音频与视频中人物的精确绑定问题，特别是通过一种名为L-RoPE（标签旋转位置嵌入）的新方法。此外，我们还将揭示其独特的训练策略，例如部分参数训练和多任务训练，是如何在保留模型指令遵循能力方面发挥关键作用的。
More episodes of the podcast AI Podcast
智能体组织时代：语言模型如何学会异步思考
13/11/2025
MemOS：AI系统的记忆操作系统——革新LLM的记忆能力
12/11/2025
超感知：迈向视频空间智能的未来
11/11/2025
FM Agent：大型语言模型与进化搜索的协同——迈向通用AI研究代理
09/11/2025
AI Radio FM - 智能代理的进化秘籍：ACE上下文工程
07/11/2025
AI长时记忆突破：Mem0如何赋能智能体？
06/11/2025
AI语境工程：机器如何真正“懂你”？
05/11/2025
In God we trust