待验证50% 置信事实精确时间

音视频联合去噪将音频潜空间与视频潜空间在同一扩散过程中并行处理，音频信号作为条件约束参与每一步去噪迭代

1

来源数

50%

置信度

长期有效

时效性

2026/7/11

首次发现

来源

一张照片+语音录音，生成身份锁定说话视频的本地工作流

redditr/comfyui2026/7/10

相关事实

待验证VO 3.1的音频生成依赖于音视频联合生成技术，模型在训练时同时学习了视觉内容与对应声音之间的关联模式70% 相似待验证音频、图片、视频文件底层都是二进制流，响应包中的音频data本质是以二进制形式存储的编码数据69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/485913

API

curl https://kongchang.com/api/v1/knowledge/claims/485913

MCP

get_claim(id=485913)