小米开源可控视频音效生成模型 ControlFoley
小米发布了面向视频同步音效生成可控性难题的开源模型 ControlFoley。该模型支持文本引导、文本控制和参考音频控制三类任务，并声称在语义对齐、时间同步和声音质量上达到了开源SOTA水平。
音频生成
First-Principle 上关于「音频生成」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
前NotebookLM开发者创立的音频生成应用Huxe关停
音频生成应用Huxe已宣布关停，其应用已从App Store和Play Store下架，计划于本月晚些时候停止服务。
WavFlow：直接在波形空间生成高保真音频的框架
2026年5月19日，HuggingFace Daily Papers报道了WavFlow框架。该框架提出直接在原始波形空间生成高保真音频，无需中间压缩表示，并利用500万高质量视频-文本-音频三元组数据进行训练，在VGGSound和AudioCaps基准上达到或超越现有方法。