論文の概要: VideoGen Model 1: Prompt Expansion Versus Formatting in Audiovisual Generation
- arxiv url: http://arxiv.org/abs/2610.29407v1
- Date: Wed, 21 Oct 2026 08:33:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 09:50:43.236623
- Title: VideoGen Model 1: Prompt Expansion Versus Formatting in Audiovisual Generation
- Title（参考訳）: VideoGen Model 1: オーディオ生成におけるプロンプト拡張バーサスフォーマッティング
- Abstract要約: 創造的なプロンプト拡張は、コントロールされたパイロットの生のプロンプトよりも全体的なオーディオ視覚品質スコアを改善した。
VA-Judgerはより高い音質を示し、視覚的品質評価はいずれの判事でもほとんど変化しなかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Creative prompt expansion improved overall audiovisual quality scores over raw prompts in a controlled pilot of VideoGen Model 1, our post-trained version of MiniMax H3. We compared the raw, reformatted, and expanded versions of 30 prompts, holding the generator, seed, and sampling settings fixed. Each clip was rated separately on five dimensions. Their mean formed an overall score on a 1-10 scale. Compared with formatting alone, overall scores increased by 0.63 points (95% interval: [+0.11, +1.15]) under VA-Judger and 0.15 points (95% interval: [-0.03, +0.35]) under Gemini 3.8 Flash, whose overall change remained uncertain. Prompt-alignment scores increased by 0.97 points under VA-Judger and 0.50 under Gemini. VA-Judger also showed higher audio quality; visual-quality ratings changed little under either judge.
- Abstract（参考訳）: クリエイティヴ・プロンプトの拡張により、VoiceGen Model 1のコントロールパイロットであるMiniMax H3で、生のプロンプトよりもオーディオの質スコアが向上した。
生成装置,シード,サンプリング設定を固定し,30プロンプトの生・改質・拡張版を比較した。
各クリップは5次元で別々に評価された。
平均は1-10スケールで総合得点を記録した。
フォーマッティングだけで比較すると、VA-Judgerでは0.63点(95%間隔: [+0.11, +1.15])、Gemini 3.8 Flashでは0.15点(95%間隔: [-0.03, +0.35])のスコアが増加し、全体的な変更は不透明のままであった。
プロンプトアライメントスコアはVA-Judgerで0.97ポイント、ジェミニで0.50ポイント上昇した。
VA-Judgerはより高い音質を示しており、視覚的品質の評価はどちらの判事でもほとんど変化しなかった。
関連論文リスト
- HiPAD: A Unified Gait, Audio-Visual, and Personality Fusion Network for Depression Detection, with a Hierarchical Personality Ablation and the Calibration Limits of Domain-Adapted LLMs [0.0]
我々は,MPDD-AVG 2026の6つのサブトラックすべてに1つの核融合ネットワークであるHiPADを提示する。
ネットワークは、利用可能な各モダリティを共有のBiLSTMで符号化し、ゼロパッドはモダリティを欠き、少なくとも2つの歩行、オーディオ、ビデオが存在する場合にのみ、モダリティ間注意を施す。
論文 参考訳（メタデータ） (2026-10-10T14:35:22Z) - YuE2: Unifying Symbolic and Audio Music Generation at Frontier Quality [74.61395664600597]
我々は,記号プランニングにより,フロンティア品質の象徴的およびオーディオ音楽生成を統一するYuE2を紹介する。
1つのAR-NAR Mixture-of-Transformers (MoT)は、まずメロディとハーモニーを指定する可読性スコアを書き、セマンティックミュージックトークンに拡張し、フルソングオーディオとして実現する。
専門家の聞き取りは、プロプライエタリな曲のジェネレータとの競争力をさらに確立し、Suno v4.5よりも8のベストを保ち、Suno v5に対してほぼバランスの取れた好みを与える。
論文 参考訳（メタデータ） (2026-09-27T16:55:13Z) - VA-Judger: Reward Modeling from Human Preference Feedback for Joint Video-Audio Generation [79.34043102155964]
共同ビデオオーディオ生成のためのチェーン・オブ・オムニ・リワードモデルであるVA-Judgerを提案する。
VA-Judgerは,ドメイン内評価とドメイン外評価の両方において,ヒトの嗜好を予測する上で,指標ベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2026-08-19T06:53:14Z) - MMTM: Tri-Modal Topic Modeling for Long-Form Video via Similarity-Gated Fusion [44.304470436110165]
本稿では,音声認識,音声と視覚の埋め込み,BERTopicクラスタリングを統合した,長文ビデオにおけるトピック発見のためのモジュールパイプラインであるMMTMを紹介する。
我々は,ドイツ語 (Tagesschau) と英語 (NBC) の放送ニュースにおける話題の質を評価する。
パイプラインコードと54時間のマルチモーダルビデオトピックコーパスを,デュアルアノテーションによる視覚評価とLCMによるラベリングによりリリースする。
論文 参考訳（メタデータ） (2026-05-28T11:12:30Z) - AudioCapBench: Quick Evaluation on Audio Captioning across Sound, Music, and Speech [56.08149157180447]
本稿では,大規模マルチモーダルモデルの音声キャプション機能を評価するベンチマークであるAudioCapBenchを紹介する。
我々は、参照ベースのメトリクス(METEOR、BLEU、ROUGE-L)とLLM-as-Judgeフレームワークを使用して、2つのプロバイダ(OpenAI、Google Gemini)にわたる13のモデルを評価する。
論文 参考訳（メタデータ） (2026-02-27T03:33:37Z) - Qwen3-ASR Technical Report [71.87071808763484]
2つの強力なオールインワン音声認識モデルと、新しい非自己回帰音声強制アライメントモデルを含むQwen3-ASRファミリを紹介する。
Qwen3-ASR-1.7BとQwen3-ASR-0.6Bは、言語識別と52の言語および方言のASRをサポートするASRモデルである。
論文 参考訳（メタデータ） (2026-01-29T06:58:13Z) - Automated Bug Frame Retrieval from Gameplay Videos Using Vision-Language Models [47.63488459021783]
報告されたバグ記述に最もよくマッチする単一のフレームに、各動画を縮小するパイプラインを導入する。
このアプローチは手作業を大幅に削減し、トリアージと回帰チェックを高速化します。
ゲーム業界全体で品質保証チームや開発者に実践的なメリットを提供する。
論文 参考訳（メタデータ） (2025-08-06T21:52:15Z) - DeepSound-V1: Start to Think Step-by-Step in the Audio Generation from Videos [4.452513686760606]
マルチモーダル大言語モデル(MLLM)の内部連鎖(CoT)を利用したビデオから音声を生成するフレームワークを提案する。
対応するマルチモーダル推論データセットを構築し、音声生成における初期推論の学習を容易にする。
実験では,提案手法が生成した音声の不一致(発声)の低減に有効であることを示す。
論文 参考訳（メタデータ） (2025-03-28T07:56:19Z) - PEAVS: Perceptual Evaluation of Audio-Visual Synchrony Grounded in Viewers' Opinion Scores [18.26082503192707]
PEAVS(Perceptual Evaluation of Audio-Visual Synchrony)スコアは,音声-視覚同期の質を評価する5点尺度を備えた新しい自動測定値である。
実験では、Fr'eche'tをベースとしたオーディオ・ビジュアル同期の自然な拡張に対して、相対的な50%のゲインを観測した。
論文 参考訳（メタデータ） (2024-04-10T20:32:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。