音频-角色绑定

Bind-Your-Avatar是首个专注同场景多角色说话视频生成的框架，基于扩散Transformer（MM-DiT）通过细粒度Embedding路由实现精确控制。该方法构建了MTCC数据集和基准测试，并在多个指标上显著优于现有方法。