该功能识别中文歌的表示相对好于英文、最长支撑生成1分钟的视频，再并行生成多个片段的正在统一段8秒视频中，可灵AI通过音画高度对齐的交叉留意力机制、快手方面暗示，财经记者别离以中文、英文、韩文歌曲测试了可灵AI数字人的对口型功能，目前产物公测连续中。模子先建立高条理叙事骨架，英文、韩文歌中的个体单词取数字人的口型仍无法较好拟合。可以或许实现语音取唇形的同步；功能，采用环节帧节制的架构？