阿里开源 PrismAudio：输入无声视频配音效，5 亿参数 0.63 秒搞定
阿里开源音效生成模型 PrismAudio。它将强化学习与思维链结合，先分析画面再生成声画同步的音效。模型参数仅 5.18 亿，生成 9 秒音频只需 0.63 秒，在多项基准测试和生成速度上均优于 MM-Audio 等数十亿参数竞品。
阿里开源音效生成模型 PrismAudio。它将强化学习与思维链结合，先分析画面再生成声画同步的音效。模型参数仅 5.18 亿，生成 9 秒音频只需 0.63 秒，在多项基准测试和生成速度上均优于 MM-Audio 等数十亿参数竞品。