HunyuanVideo-Foley

HunyuanVideo-Foley — модель Tencent для создания звукового сопровождения к видео. Она анализирует визуальную сцену и текстовую инструкцию, чтобы сгенерировать звуковые эффекты, согласованные с происходящим. Код инференса и веса открыты 28 августа 2025 года.

Звук по видеоряду

Визуальная сцена и текстовый запрос задают результат

Модель принимает видео и описание желаемого звука. Tencent позиционирует её для генерации звуковых эффектов с временной и смысловой связью с изображением, а не для простой озвучки текста. Репозиторий описывает выход с частотой дискретизации 48 кГц.

Сценарии применения

Эффекты для роликов, игр и видеопроизводства

HunyuanVideo-Foley предназначена для добавления звуков окружения и событий в короткие видео, рекламные материалы и игровой контент. Разработчик указывает, что система учитывает одновременно видео и текст; качество синхронизации следует оценивать на конкретной сцене, особенно если в ней несколько источников звука.

Связанные варианты

Базовая и увеличенная модель

Базовые веса опубликованы 28 августа 2025 года. Отдельный вариант HunyuanVideo-Foley-XL выпущен позднее и рассчитан на более крупную конфигурацию с поддержкой выгрузки части вычислений из памяти видеокарты.

Дата выпуска и первичный источник

Подтверждённая запись разработчика

Официальный журнал датирует открытый выпуск кода и весов 28.08.2025. Источник: официальный источник Tencent.

Сведения о разработчике и его моделях: Tencent в Вики Futuretools.ru.