Hunyuan Video Foley擅长什么
与动作匹配的音频
拟音工作通常意味着逐帧观看素材,手动为每一个脚步声、摔门声和衣物摩擦声对准时机。
广播级音频
该模型以 48 kHz 生成声音,这是专业影视的标准。
文字与视频相结合
你不必只依赖画面内容。
大规模训练
Hunyuan Video Foley 在 100,000 小时的多模态视频和音频上训练,因此能处理各种各样的场景和声音类型,从对白和配乐片段到自然环境音和机械声。
导演。创作。剪辑。
别再写提示词,开始当导演。
Craze 与你一起碰撞创意、做调研、做规划。
创作有品位的内容。
Craze 能生成你能想象的一切。视频、音频、音乐、动态图形等等。
几分钟剪好视频,而不是几天。
Craze 会看完你的素材并剪出成片。如有需要,还有真正的编辑器。
制作人们愿意看的视频
- UGC 视频
- 动态图形
- 故事长片
- 产品可视化
- 微短剧
- 3D 影片
- 音乐视频
- 品牌影片
- 婚礼精彩集锦
- YouTube 测评
Hunyuan Video Foley与其他模型对比
这里的每个模型都可在所有 Craze 套餐(包括 Free)中使用,而且 Craze 可以为每个镜头使用不同的模型。
| Hunyuan Video FoleyTencent | ElevenLabs Sound Effects V2ElevenLabs | |
|---|---|---|
| 生成 | 文字 + 视频生音频 | 文字生音频 |
| 时长 | — | 每个片段最长 22 秒 |
| 起价 | 每秒源视频 $0.012 | 每秒音频 $0.003 |
Craze 上的 Hunyuan Video Foley规格
| 任务 | 输入 | 分辨率 | 画面比例 | 声音 |
|---|---|---|---|---|
| 视频配音效 | 视频 | 跟随源素材 | 跟随输入 | 无 |
常见问题
Hunyuan Video Foley 是 Tencent 推出的视频转音频模型,可直接根据视频素材生成同步的音效和环境音。你不必在后期单独叠加音频,只需描述你想听到的声音并提供视频,模型就会生成随画面变化的声音。
创作者选择 Hunyuan Video Foley 的理由
声音往往是创作者最后才处理的部分,而一旦缺失,却是观众最先注意到的。Hunyuan Video Foley 将音频生成融入视频工作流,同时读取动作和意图,从而改变了这一点。
与动作匹配的音频
拟音工作通常意味着逐帧观看素材,手动为每一个脚步声、摔门声和衣物摩擦声对准时机。Hunyuan Video Foley 和你一起观看视频,理解什么在动、在哪里动,并生成与动作同时出现的音频。角色的脚步声与步伐同步。一只手伸向物体时,模型会为接触声对准时机。
广播级音频
该模型以 48 kHz 生成声音,这是专业影视的标准。它使用经过训练、能将噪声和瑕疵降到最低的定制音频 VAE,因此生成的声音足够干净,可以与其他专业音频元素放在一起。
文字与视频相结合
你不必只依赖画面内容。描述氛围、情绪基调或你想听到的具体细节,Hunyuan Video Foley 会在你的文字提示词和它在视频中看到的内容之间取得平衡。一个城市远景镜头会生成环境车流声和远处的人声。同一个镜头配上“安静的早晨”这样的提示词,就会降低热闹感,转而用鸟鸣填满空间。
大规模训练
Hunyuan Video Foley 在 100,000 小时的多模态视频和音频上训练,因此能处理各种各样的场景和声音类型,从对白和配乐片段到自然环境音和机械声。
如何在 Craze 中使用 Hunyuan Video Foley
当你需要与视频同步的音频时,Craze 默认使用 Hunyuan Video Foley。工作流程很简单。
- 新建项目,上传你想添加声音的视频片段。
- 在聊天中描述你想要的音频:“角色在森林中奔跑时的脚步声和粗重的呼吸声”或“场景中的雨声和远处的雷声”。Craze 默认使用 Hunyuan Video Foley 完成这项工作。
- Craze 生成音频并将其与视频同步。在编辑器中查看,如果想调整基调或细节,可以重新生成。
- 导出带音频的视频,或在时间线中调整音量,并与音乐和对白混音。
如果你想指定其他音频模型,也可以。叠加来自 ElevenLabs Music 的音乐,或用 ElevenLabs v4 添加对白。但对于随画面变化的声音,Hunyuan Video Foley 会自动处理时机。
Hunyuan Video Foley 的价格
声音生成的计费标准为每秒源视频 $0.012,按源视频的时长计算。模型连续生成,因此 60 秒的片段费用是 30 秒的两倍。生成之前,使用本页的费用计算器进行估算。
Hunyuan Video Foley 适合谁
添加同期声的视频剪辑师
音频后期制作通常在画面锁定之后才最后进行。Hunyuan Video Foley 让你无需手动同步就能生成逼真的声音。让一位说话者坐在房间里,打好光,再生成让场景鲜活起来的音频。
游戏开发者和动画师
动画片段和游戏过场动画通常在没有声音的情况下制作。Hunyuan Video Foley 读取动作,生成同步的拟音和环境音,让动画感觉更踏实、更真实。
UGC 和产品演示创作者
简短的产品视频常常因为声音被当作事后补充而显得空洞。生成随产品动作变化的声音:盖子咔嗒合上、液体倒出、按下按钮。视频会显得更精致、更用心。
Hunyuan Video Foley 与 ElevenLabs Sound Effects V2 的比较
两个模型都能根据文字提示词生成音频,但解决问题的方式不同。Hunyuan Video Foley 读取视频动作,生成与画面锁定的声音。ElevenLabs Sound Effects V2 仅根据文字生成独立音效,不依赖视频上下文。当你需要精准的时机并与动作同步时,使用 Hunyuan Video Foley。当你想要独立、可叠加的元素,自己放到时间线上时,使用 Sound Effects V2。



















