See the Speaker: Crafting High-Resolution Talking Faces from Speech with Prior Guidance and Region Refinement
看清说话者：通过语音优先引导和区域细化生成高分辨率的说话面孔
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Speech and Acoustic Laboratory, Joy Future Academy, Jingdong Corporation（语音与声学实验室、Joy Future Academy、京东公司） ； Aarhus University（阿arhus大学）
AI总结 本研究提出一种通过语音直接生成高分辨率说话面孔的方法，结合扩散模型与统计先验，实现高质量视频生成。
Comments 16 pages,15 figures, accepted by TASLP
Journal ref EEE Transactions on Audio, Speech and Language Processing, vol. 33, pp. 4267-4281, 2025
