小米开源 ControlFoley 模型：视频生成音频
apolinariosteps · x · 2026-08-19
小米在 Hugging Face 发布了 ControlFoley，这是一个视频到音频的生成模型。它可以根据视频画面生成匹配的音效，支持可选提示词（prompt）和音频参考引导。目前已在 Hugging Face Spaces 上线演示。
「多模态」频道最新
- 200 次真实图片编辑盲测：nano banana pro 贵 3 倍反而输给自家基础版 — ravisparikh · 2026-10-17
- Midjourney 城市故障风新作:像素抖动拉伸出迷幻纽约街景 — gizakdag · 2026-10-17
- S4VY 发布：任意 RGB 观测实现 4D 一致性物体分割 — realChrisChoy · 2026-10-17
- Claude×MCP 打造「Claudia」演绎 Roadster 飞天创意短片 — elonmusk · 2026-10-17
- Voyager 推出创意工作 AI 框架，Labs 内测 Blender 云端渲染按秒计费 — ravisparikh · 2026-10-17
- Fish Audio 推出 Drama 3:自然语言指挥 AI 语音的情绪与语气 — Aiden_Tech_Ai · 2026-10-17