Meta AI推出FoleyGen，用视频生成音频

　　据 HuggingFace 报道，Meta AI 近日发表论文，推出了一个名为 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。