品玩9月20日讯，据 HuggingFace 报道，Meta AI 近日发表论文，较少了一个名为 FoleyGen的音频生成系统。

FoleyGen 利用现成的神经音频编解码器在波形和离散标记之间进行双向转换。音频标记的生成由单个变换器模型完成，该模型以从视觉编码器中提取的视觉特征为条件。

VGGSound 数据集上的实验结果表明， FoleyGen 在所有客观指标和人类评估方面都优于以前的系统。