IXThinker·2025-07-02 16:30

通義開源ThinkSound CoT推理走進音效生成

阿里通義語音團隊開源泛音頻生成模型ThinkSound，首次將今年大熱的CoT思維鏈推理引入音訊領域，能為影片每一幀畫面配上精準同步、空間層次分明的專屬音效。

效果演示

從展示例子所見，模型模擬嬰兒哭聲時高低起伏、蕩氣迴腸，節奏與嬰兒的表情姿態同步；一輛火車由遠及近，背景音極具空間層次感；甚至小號演奏的聲音，也能與演奏者的動作一一對上。