技術報告、權重、Demo 全部放出來了，與 Kling-Foley 也不相上下，開源社區終於有一個能用的視頻音效框架了

Beating監測下，小米團隊開源視頻音效框架ControlFoley，強調可控性：按畫面、文本或參考音頻生成聲音，並可改聲風格同時保持音畫同步。底層採用改造自CAV-MAE的時空音視頻編碼器，實施時間-音色解耦。多任務評估達到開源SOTA，且在與Kling-Foley的對比中具競爭力，但在Kling-Audio-Eval和MovieGen-Audio-Bench的部分KL指標上仍有差距。項目已公開技術報告、代碼、權重與Demo。