阿里通义发布：PrismAudio 利用AI生成更优音频

近日，香港科技大学、阿里巴巴通义实验室、香港中文大学联合发表一篇论文《PrismAudio: 分解思维链与多维奖励的视频转音频方法》，提出了一种全新框架，巧妙解决现有难题。其核心理念为：“分而治之，协同优化”。论文首先指出当前V2A技术的三大瓶颈：为攻克这些问题，PrismAudio构建了一个全新框架，首次将强化学习（RL）与专业化思维链（CoT）深度结合。其创新之处在于：PrismAudio的最大亮点是将“全面”的思维链拆分为四个专业化、模块化的子思维链，每个子链专注一个感知维度：这种设计如同组建专家团