HunyuanVideo-Foley: Multimodal Diffusion with Representation Alignment for High-Fidelity Foley Audio Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shan, Sizhe, Li, Qiulin, Cui, Yutao, Yang, Miles, Wang, Yuehai, Yang, Qun, Zhou, Jin, Zhong, Zhao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing Computer Vision and Pattern Recognition Sound
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2508.16930