腾讯混元开源端到端AI音效生成模型

8月28日，腾讯混元宣布开源端到端视频音效生成模型Hunyuan-Foley，该模型通过输入视频与文字描述即可自动生成电影级音效，打破传统AI视频“无声”局限。

据官方演示显示，其能精准匹配引擎轰鸣、树叶沙响等复杂声效，能“看懂画面、读懂文字、配准声音”，实现“画面-文字-声音”协同，带来沉浸式视听体验。

技术亮点包括:

多模态理解:同步解析视觉内容与语义指令，动态生成环境音、拟音等；

工业级应用:适配短视频、影视制作、游戏开发等领域，降低专业音效设计门槛。

此次开源延续腾讯混元“技术普惠”战略，开发者可通过官方渠道获取模型权重及工具链。