音效生成自己说了算！小米开源可控视频音效生成模型 ControlFoley
中文摘要
小米开源ControlFoley，可控视频音效生成模型，引领SOTA。
English Summary
Xiaomi open-sources ControlFoley, a controllable video sound effect generation model, leading SOTA.
原文节选
📌 一句话摘要 小米大模型应用团队开源了 ControlFoley，一个统一且可控的视频音效生成框架，支持文本引导、文本控制和参考音频控制三类任务，在多个基准上达到开源 SOTA。 📝 详细摘要 本文由小米技术团队发布，详细介绍了其开源的视频音效生成模型 ControlFoley。文章指出，现有视频音效生成模型虽能根据画面自动配音，但难以满足创作者对声音内容和风格的精确控制需求。ControlFoley 旨在解决这一「...