小米发布MiDashengLM-Gen，一键生成全场景音效
solyarisoftware · x · 2026-08-16
小米在 Hugging Face 发布了 MiDashengLM-Gen 模型。该模型支持通过单个 Prompt 生成场景的六种标记视图（包括字幕、转录、语音、音乐、音效、房间声学），并将其渲染为单个 16kHz 音频片段，使整个场景在音频中变得生动。目前已在 Spaces 上提供演示。
「多模态」频道最新
- AI 重制版《霹雳游侠》走红,马斯克与 Lex Fridman 担纲主演 — bennash · 2026-10-16
- ImageNet 该退休了:ImageNet 与文生图方法排名相关性为负 — YouJiacheng · 2026-10-16
- 开源 anatomy-reveal skill:把 Claude 变成产品拆解动画工作室 — msharmas · 2026-10-16
- 实测结论:Flux 3 Klein 不如上一代,Base 版被评「几乎不可用」 — Both-Rub5248 · 2026-10-16
- 中科大团队提出 Speculative Sampling，交互式视频生成延迟大降 — ustc · 2026-10-16
- 80万 Gaussian Splat 跑在 WebGPU，a16z 合伙人称可近无限扩展 — generativist · 2026-10-16