비디오 조건 음성 및 음성 생성은 비디오-음성(V2S) 및 시각 텍스트 음성(VisualTTS) 작업을 포괄하며, 일반적으로 별도의 작업으로 다루어지며, 이들을 통합하는 데 제한된 탐구가 있다. V2S와 VisualTTS를 통합하기 위한 최근 시도는 서로 다른 조건 유형(예: 이질적인 비디오 및 대본 조건)을 처리하는 데 어려움을 겪고 복잡한 훈련 단계를 요구한다. 이 두 작업을 통합하는 것은 여전히 열려 있는 문제이다. 이 간극을 메우기 위해 VSSFlow를 제시한다. VSSFlow는 V2S와 VisualTTS 작업을 신속하게 통합하여…

<Apple 뉴스 본문 전체읽기>