腾讯混元开源 HunyuanVideo-Foley：输入视频即可自动配音效
腾讯混元宣布开源端到端文本-视频生音频框架 HunyuanVideo-Foley。它基于 10 万小时多模态数据训练，采用 MMDiT 架构与音频 VAE，能精准对齐画面动作生成分层音效。在音频质量和时序对齐等基准测试中超越了现有开源模型。
腾讯混元宣布开源端到端文本-视频生音频框架 HunyuanVideo-Foley。它基于 10 万小时多模态数据训练，采用 MMDiT 架构与音频 VAE，能精准对齐画面动作生成分层音效。在音频质量和时序对齐等基准测试中超越了现有开源模型。