团队

博士与研究者

  • Stanford
  • Yonsei
  • University of Waterloo
▚ 团队 ▞

我们的使命,是打破阻碍理解的每一道壁垒。

想象这样一个世界:我们看的、听的所有内容,无论换成哪种语言都天衣无缝。爸妈和家人爱听的那些歌,我们终于能听懂了;我们最爱的英文歌,也有了韩语版和中文版,让他们听得懂,也会一起听。英语观众能看到韩国、中国乃至世界各地最好的内容;其他所有人看英语内容,也不再需要字幕。

这些翻译过来的歌,我想加进自己的歌单。
Jaeseok Jeong | 首席研究员
Andrew LiuAndrew LiuCEO从人到人,不是从 AI 到 AI →
Andrew Liu
Andrew LiuCEO访问审批人
Jibin Song
Jibin Song首席科学家第二密钥保管人 | 变更审批人
Mingi Kwon
Mingi KwonCTO安全负责人 | 密钥保管人 | 删除签核人
Google Scholar ↗
Jaeseok Jeong
Jaeseok Jeong首席研究员内容处理人
Google Scholar ↗
Michael Chan
Michael ChanCBO事件响应负责人
Taehwan Lee
Taehwan Lee技术团队成员
Tonghyun Lee
Tonghyun Lee技术团队成员
Prof. Xu Zheng
Prof. Xu Zheng顾问
Prof. Youngjung Uh
Prof. Youngjung Uh顾问
Google Scholar ↗

▚ 万圣节 2026 ▞

多伦多的万圣节之夜,整个团队都扮成了蝴蝶。

教堂街
01 · 教堂街
回家路上
02 · 回家路上
五个影子
03 · 五个影子

▚ 研究 ▞

音视频联合生成

声音与脸出自同一个模型,身份永远不会割裂:这个领域由我们以 JAM-Flow 开创。

实时人像动画

当今最逼真的实时人像动画:SoulX-LiveAct 以每秒 20 帧驱动人像,可稳定运行一小时。

快速视频生成

蒸馏、引导与采样:让扩散模型快到足以实时运行的研究。

扩散模型内的编辑

在冻结的扩散模型内部做编辑:从发现 h-space,到控制风格、抹去画面文字。

多模态感知

先读懂场景,再动手编辑:在任何环境里,结合画面与声音判断谁在说话。

2021 年以来,被引用超过 10,000 次,在 ICLR、NeurIPS、CVPR、ECCV 等顶会发表论文 100 余篇。

投资方

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