Rapport technique, poids, démo tout dévoilé, la comparaison avec Kling-Foley n'est pas inférieure, la communauté open source dispose enfin d'un cadre vidéo et audio capable de rivaliser.

Sous la surveillance de Beating, l'équipe Xiaomi a open source le cadre audio-vidéo ControlFoley, en insistant sur la contrôlabilité : générer des sons à partir d'images, de textes ou d'audios de référence, tout en pouvant modifier le style sonore tout en maintenant la synchronisation audio-vidéo.
L'architecture de bas niveau utilise un encodeur audio-vidéo spatio-temporel modifié à partir de CAV-MAE, réalisant une déconnexion entre le temps et la tonalité.
L'évaluation multi-tâches atteint le SOTA open source, et est compétitive par rapport à Kling-Foley, mais présente encore un écart sur certains indicateurs KL dans Kling-Audio-Eval et MovieGen-Audio-Bench.
Le projet a publié un rapport technique, le code, les poids et une démo.