视听一体化生成 article https://gyznsw.cn/knowledge/wiki/concepts/%E8%A7%86%E5%90%AC%E4%B8%80%E4%BD%93%E5%8C%96%E7%94%9F%E6%88%90.html 视听一体化生成 视听一体化生成是将音频波形作为视频扩散过程的一个维度，实现音画在亚秒级精准对齐的生成技术。 核心特性 音频波形作为扩散维度：不再是先生成视频再配音。 亚秒级音画对齐：确保音效与动作精准同步。 物理常识精进：解决运动重叠和重力异常问题。 技术意义 代表创意AI的"终局思维"。 解决音画不同步的长期痛点。 相关概念 [[Veo 3.1]] [[Lyria 3]] [[SynthID]]