テンセント、動画から高精度な効果音を作るHunyuanVideo-Foleyを公開
テンセント混元は映像とテキストから音響効果を生成するフレームワーク「HunyuanVideo-Foley」をオープンソース公開した。10万時間のマルチモーダルデータで学習し、映像の動きや時間軸に合わせた多層的な音声を自動生成できる。
テンセント混元は映像とテキストから音響効果を生成するフレームワーク「HunyuanVideo-Foley」をオープンソース公開した。10万時間のマルチモーダルデータで学習し、映像の動きや時間軸に合わせた多層的な音声を自動生成できる。