腾讯开源为视频生成音效模型HunyuanVideo-Foley
8 月 28 日，腾讯混元宣布正式开源端到端视频音效生成模型 HunyuanVideo-Foley。用户只需输入视频及文字描述，便能为视频匹配电影级音效。
HunyuanVideo-Foley 打破了 AI 生成的视频只能 “看” 不能 “听” 的局限，做到了 “看懂画面、读懂文字、配准声音”。其技术亮点突出，采用了双流多模态扩散变换器，能让视频画面和音频帧级信息实现同步，并把文字描述的语义精准注入。同时，混元团队构建了约 10 万小时级的高质量 TV2A 数据集，为模型训练...
点击查看剩余70%
{{collectdata}}
网友评论