ทีม

ปริญญาเอกและนักวิจัย

  • Stanford
  • Yonsei
  • University of Waterloo
▚ ทีมของเรา ▞

เราก่อตั้งขึ้นเพื่อทำลายทุกกำแพงที่ขวางกั้นความเข้าใจ

ลองนึกภาพโลกที่ทุกอย่างที่เราดูและฟัง เล่นได้อย่างไร้รอยต่อในทุกภาษา เพลงที่พ่อแม่และครอบครัวของเรารัก ในที่สุดเราก็เข้าใจได้ และเพลงภาษาอังกฤษที่เราชอบก็มีเป็นภาษาเกาหลีและภาษาจีน ให้พวกท่านเข้าใจและได้ฟังไปด้วยกัน คนที่พูดภาษาอังกฤษได้ดูของดีที่สุดจากเกาหลี จีน และทุกมุมโลก ส่วนคนอื่น ๆ ก็ได้ดูคอนเทนต์ภาษาอังกฤษโดยไม่ต้องพึ่งซับไตเติล

อยากเพิ่มเพลงแปลพวกนี้เข้าเพลย์ลิสต์ของผมเลย
Jaeseok Jeong | นักวิจัยหลัก
Andrew LiuAndrew LiuCEOจากคนสู่คน ไม่ใช่จาก AI สู่ AI →
Andrew Liu
Andrew LiuCEOผู้อนุมัติสิทธิ์เข้าถึง
Jibin Song
Jibin Songหัวหน้านักวิทยาศาสตร์ผู้ดูแลคีย์คนที่สอง | ผู้อนุมัติการเปลี่ยนแปลง
Mingi Kwon
Mingi KwonCTOหัวหน้าฝ่ายความปลอดภัย | ผู้ดูแลคีย์ | ผู้รับรองการลบ
Google Scholar ↗
Jaeseok Jeong
Jaeseok Jeongนักวิจัยหลักผู้ทำงานกับคอนเทนต์
Google Scholar ↗
Michael Chan
Michael ChanCBOหัวหน้ารับมือเหตุการณ์
Taehwan Lee
Taehwan LeeMember of Technical Staff
Tonghyun Lee
Tonghyun LeeMember of Technical Staff
Prof. Xu Zheng
Prof. Xu Zhengที่ปรึกษา
Prof. Youngjung Uh
Prof. Youngjung Uhที่ปรึกษา
Google Scholar ↗

▚ ฮาโลวีน 2026 ▞

คืนฮาโลวีนที่โทรอนโต ทีมเราแต่งเป็นผีเสื้อกันทั้งทีม

ถนนเชิร์ช
01 · ถนนเชิร์ช
ทางกลับบ้าน
02 · ทางกลับบ้าน
เงาทั้งห้า
03 · เงาทั้งห้า

▚ งานวิจัย ▞

การสร้างภาพและเสียงไปพร้อมกัน

เสียงและใบหน้ามาจากโมเดลตัวเดียว ตัวตนจึงไม่มีวันแยกออกจากกัน สาขาที่เราบุกเบิกด้วย JAM-Flow

การสร้างมนุษย์ให้เคลื่อนไหวแบบเรียลไทม์

มนุษย์แบบเรียลไทม์ที่เหมือนตัวจริงที่สุดในปัจจุบัน SoulX-LiveAct ทำให้คนเคลื่อนไหวได้ที่ 20 เฟรมต่อวินาที เสถียรต่อเนื่องได้เป็นชั่วโมง

การสร้างวิดีโอแบบรวดเร็ว

การกลั่นโมเดล การทำ guidance และการสุ่มตัวอย่าง คืองานวิจัยที่ทำให้โมเดลดิฟฟิวชันเร็วพอจะใช้แบบเรียลไทม์ได้

การแก้ไขภายในโมเดลดิฟฟิวชัน

การแก้ไขภายในโมเดลดิฟฟิวชันที่ฟรีซไว้ ตั้งแต่การค้นพบ h-space ไปจนถึงการคุมสไตล์และการลบข้อความบนจอ

การรับรู้แบบมัลติโมดัล

อ่านฉากให้เข้าใจก่อนลงมือแก้ไข รู้ว่าใครกำลังพูดจากทั้งภาพและเสียงประกอบกัน ไม่ว่าในสภาพแวดล้อมแบบไหน

ตั้งแต่ปี 2021 ได้รับการอ้างอิงมากกว่า 10,000 ครั้ง และตีพิมพ์บทความวิจัยกว่า 100 เรื่องใน ICLR, NeurIPS, CVPR, ECCV และอื่น ๆ

▚ ทดสอบด้วยคลิปชุดเดียวกัน ▞

สนับสนุนโดย

  • Wheelhouse
  • Maximum Effort
  • Stanford
  • Yonsei
  • University of Waterloo