騰訊混元開源 HunyuanVideo-Foley：輸入影片即可自動配音效
騰訊混元宣佈開源端到端文本-影片生音訊框架 HunyuanVideo-Foley。它基於 10 萬小時多模態資料訓練，採用 MMDiT 架構與音訊 VAE，能精準對齊畫面動作生成分層音效。在音訊質量和時序對齊等基準測試中超越了現有開源模型。
騰訊混元宣佈開源端到端文本-影片生音訊框架 HunyuanVideo-Foley。它基於 10 萬小時多模態資料訓練，採用 MMDiT 架構與音訊 VAE，能精準對齊畫面動作生成分層音效。在音訊質量和時序對齊等基準測試中超越了現有開源模型。