DreamX-Creator

DreamX-Creator 是一个面向原生音视频联合生成的研究框架，支持从单帧图像和文本提示同步生成2K分辨率视频与对应音频。其核心采用门控跨模态注意力机制与渐进式联合训练，实现音视频双向交互；结合音视频强化学习与模态感知多模态反馈提升语义一致性与细粒度同步精度，并通过自回归单步2K超分精炼器进一步提升画质与时序保真度。适用于AIGC内容创作、教育视频生成、无障碍媒体合成等需高质量音画协同输出的科研与轻量级生产场景。