Prism 开源：动态稀疏注意力实现 2K 音视频同步生成

复旦大学、腾讯混元和浙江大学的研究团队发布了开源视频生成模型 Prism。该模型采用动态稀疏注意力方案，先识别发声区域和画面变化快的区域，把算力集中在声画强相关部分。这一方法把训练速度提升约 2.5 倍，同时支持 2K 分辨率下声音与画面对齐生成，画质细节也更清晰。