Video-Guided Foley Sound Effect Generation and Multimodal Control
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出MultiFoley模型，旨在解决视频音效生成中的艺术性与真实来源差异问题。该模型能够从静音视频和文本提示中生成高质量音效，显著提高音效的同步性和质量。
🏷️
