Sony AI发布了Woosh，一个用于生成声音效果的新基础模型。该模型包含音频编码/解码、文本-音频对齐以及文本到音频和视频到音频生成组件。还提供了蒸馏版本，以实现更快的推理和更低的资源使用。评估表明，Woosh在性能上可与StableAudio-Open和TangoFlux等现有开源模型竞争。 AI
影响 为生成式音频研究和应用程序开发提供了一个新的开源工具。
排序理由 发布了一个用于声音效果生成的开源基础模型，并附带论文和代码。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.01929v3 Announce Type: replace-cross Abstract: The audio research community depends on open generative models as foundational tools for building novel approaches and establishing baselines. In this report, we present Woosh, Sony AI's publicly released sound effect foun…