SyncReward音视频同步奖励模型与基准发布

2026年10月14日，arXiv Computer Vision 刊出 Kaisi Guan 等作者的报道，介绍面向音视频生成的人类对齐同步奖励模型 SyncReward。该工作针对音视频生成中语音与声音常与画面事件时间错位的问题，构建了 SyncReward-Data-80K 数据集，包含 8 万个专业同步评分，覆盖 Speech、Onset、Instrument、Ambient 四类声音事件，片段来自八个音视频生成器；同时提出 1K 片段的 SyncReward-Bench 基准。报道称，研究发现现有专用同步指标与全模态模型与人类判断存在明显偏差。作者表示将在指定链接发布数据、基准、模型与代码。目前进展为成果发布与资源承诺开放，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。