论文提出并行适配器实现实时联合音视频生成
发生了什么
据arXiv cs.CV论文《Real-Time Joint Audio-Video Generation by Parallel Adapter Composition》，研究者提出在打包的音视频骨干网络上并行训练因果适配器和少步采样适配器。该方法无需联合训练，推理时直接相加权重，实现了流式音视频生成。系统在480x832分辨率下达到约26fps，可持续生成30秒且图像质量稳定，匹配或优于链式基线指标。
- 帧率
- 约26fps
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口