新闻中心News

腾讯混元开源端到端视频音效生成模型 HunyuanVideo-Foley

作者：花韻仙語 | 点击: | 来源：花韻仙語

2808
2025

腾讯混元正式开源端到端视频音效生成模型HunyuanVideo-Foley，仅需上传视频并输入文字描述，即可自动生成媲美电影质感的沉浸式音效。例如，输入文本：“Withafaintsoundastheirhandsparted,thetwoembraced,asoft‘mm‘escapingbetweenthem.”系统便会输出一段画面与声音高度契合的完整视频：核心技术优势强泛化能力：适用于人物互动、动物行为、自然风景、卡通动画等多种视频类型，精准生成与视觉内容同步的音频...

腾讯混元正式开源端到端视频音效生成模型hunyuanvideo-foley，仅需上传视频并输入文字描述，即可自动生成媲美电影质感的沉浸式音效。

例如，输入文本：“With a faint sound as their hands parted, the two embraced, a soft 'mm' escaping between them.”
系统便会输出一段画面与声音高度契合的完整视频：

核心技术优势

强泛化能力：适用于人物互动、动物行为、自然风景、卡通动画等多种视频类型，精准生成与视觉内容同步的音频。
多模态语义协同建模：采用创新的双流多模态扩散变换器（MMDIT）架构，有效融合文本与视频语义信息，解决传统方法中“重文字轻画面”的问题。
高保真音频输出：引入表征对齐（REPA）损失函数，显著降低背景噪声，提升音质纯净度，达到专业级制作标准。

官方表示，HunyuanVideo-Foley成功突破了AI生成视频长期“有画无声”的瓶颈，终结无声AI视频时代，真正实现“理解画面、解析文本、精准配声”的一体化能力，为用户带来影院级的视听融合体验。该模型可广泛用于短视频生产、*后期、广告创意及游戏音效设计等多个领域。

现在，开发者和创作者可通过以下平台免费获取模型资源：

在线体验地址：https://www./link/5f6f7b11088de6d2cd70a2ccc6130d1f
项目主页：https://www./link/b4df8f42155d4aa5754af5e3b17f6931
开源代码库：https://www./link/85fa59ac8a893137b2777551335631ed
技术论文：https://www./link/d697311aad4f58ad2c5d4286fc22980d
Hugging Face模型站：https://www./link/a28477d0c57129b93d95baf171634582

欢迎光临，我们是一家专注中小型企业营销推广服务的公司！

专注企业电商网络营销推广！免费电商SEO诊断，你可信任的网络推广专家

腾讯混元开源端到端视频音效生成模型 HunyuanVideo-Foley