松下推出 “OmniFlow” 多模態生成AI實現文本、圖像與音頻的自由轉換

松下控股公司（Panasonic HD）聯合美國松下研發公司(PRDCA)及加州大學洛杉磯分校(UCLA)的研究人員，成功開發出名爲 “OmniFlow” 的多模態生成 AI。這項技術的亮點在於其具備 “任意對任意” 的生成能力，可以實現文本、圖像和音頻之間的自由轉換，極大地提升了多模態生成 AI 的應用潛力。

近年來，多模態生成 AI 的研究越來越受到關注，尤其是結合音頻的生成技術。然而，傳統方法在數據獲取上存在侷限，尤其是在同時處理文本、圖像和音頻數據時，所需的訓練數據量和成本大幅增加。針對這一難題，OmniFlow 通過靈活結合針對不同數據格式的生成 AI（如文本與音頻、文本與圖像），即使在小樣本情況下，也能學習到高精度的 “任意對任意” 模型，從而顯著降低了數據採集的成本。

OmniFlow 的技術創新已獲得國際認可，並將在2025年計算機視覺與模式識別會議（CVPR）上進行展示。該技術的核心在於，它能夠通過連接和處理三種不同數據特徵，學習更爲複雜的數據關係，而不是簡單地對輸入數據進行平均處理。這種方法讓 OmniFlow 在生成過程中不僅保留了各模態的特點，也提升了表達能力。

在評估實驗中，OmniFlow 在 “文本轉圖像” 和 “文本轉音頻” 的生成任務中，表現優於其他傳統方法，展現出最佳的性能。實驗結果顯示，與其他 “任意對任意” 生成方法相比，OmniFlow 所需的訓練數據量可減少至1/60，這一顯著的優勢讓其在多模態 AI 領域脫穎而出。

展望未來，OmniFlow 有望在工廠、生活方式等多個領域進行應用，能夠生成各種專門針對特定場景的數據。松下控股將繼續推動 AI 的社會化應用，致力於開發能爲客戶生活與工作帶來便利的 AI 技術。