通义实验室发布视频生成环境音框架 PrismAudio

阿里通义实验室宣布推出 PrismAudio，一个将强化学习与思维链紧密结合的视频生成环境音框架。其研究重点在于环境音/音效合成，比如马蹄声、风雨声、金属敲击声等与画面内容同步的背景声音，而非人物配音。 PrismAudio 只有 5.18 亿参数，生成 9 秒音频只要 0.63 秒。目前这项研究已被顶级会议 ICLR 2026 收录，代码即将开...