品玩8月28日讯，腾讯混元官方宣布，开源端到端视频音效生成模型 Hunyuan-Foley。用户通过输入视频与文字描述，即可为视频匹配电影级音效，打破了 AI 生成视频 “无声” 的局限。

据官方介绍，Hunyuan-Foley 能精准匹配复杂声效，实现 “看懂画面、读懂文字、配准声音”，带来沉浸式视听体验。其技术亮点突出，具备多模态理解能力，可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、游戏开发等多领域，极大降低了专业音效设计门槛。

混元团队构建了约 10 万小时级的高质量 TV2A 数据集，并开发全面的数据处理管道，用于自动化标注和过滤音视频数据，为模型训练提供支撑，使其拥有强大的泛化能力，可在复杂视频条件下生成音画一致、语义对齐的高质量音频，包括音效与背景音乐，大幅提升视频真实感与沉浸感。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 。