7月17日，Adobe发布全新生成式AI影视制作工具，提升音效创作与视频生成灵活性。新工具Generate Sound Effects现于Firefly应用测试，支持精准匹配音效与视频片段（如马蹄声同步），并生成多种环境音效。此外，Firefly文本到视频生成器新增Composition Reference功能，可模仿参考视频构图；Keyframe Cropping功能则基于关键帧生成中间内容。Adobe还推出动漫、黏土动画等风格预设，但部分效果尚需优化。这些工具为创作者提供更高效便捷的制作方式，预计未来支持更多第三方模型。

2023年6月27日，快手旗下可灵AI宣布全系列视频模型上线‘视频音效’功能，用户在生成视频时可同步生成高质量立体声音效。该功能目前限时免费开放。此外，可灵AI平台原有的‘音效生成’功能新增了‘视频生音效’模块，支持用户上传视频或调用历史作品，一键匹配精准同步的音效。此前，快手可灵AI于5月推出2.1系列模型，大幅提升了视频生成效率并降低了成本。

6月17日消息，豆包电脑版日前在中国推出全量AI播客功能，用户上传PDF或网页链接后可秒级生成双人对话式播客。该功能依托豆包大模型团队自主研发的语音播客模型，通过流式架构实现高效转化，语音效果在音色、停顿和语气词等方面高度拟真。内测用户反馈，该工具能将学习资料一键转化为自然的语音内容，极大提升音频创作效率与互动性。目前，该功能已面向豆包电脑版全量用户开放，移动端APP正在小范围测试，预计近期全面上线。

5月12日，英伟达与麻省理工学院（MIT）联合推出Audio-SDS，这是一种基于文本条件的音频扩散模型扩展技术。研究人员首次将Score Distillation Sampling（SDS）技术应用于音频领域，无需依赖大规模特定数据集，即可实现FM合成器参数校准、物理冲击音合成及音源分离三大任务。Audio-SDS结合了预训练模型的生成能力与参数化音频表示，能通过高级文本提示调整相关参数。实验显示，该技术在主观听觉测试和多项客观指标上表现优异。尽管如此，模型覆盖范围、潜在伪影及优化敏感性等问题仍待解决。这项技术突破了传统音频生成模型的局限，为AI音效生成提供了新方向。

【最新】11月8日，智谱推出AI生成视频新功能——清影，支持生成10秒、4K分辨率、60帧超高清视频，并能细致展现人物表演。该功能已在智谱清言APP上线。此外，智谱宣布本月还将上线从视频直接生成音效的技术，这意味着“默片Sora”将步入“有声电影时代”，进一步提升视频观赏体验。此次升级显著增强了AI生成视频的真实感与清晰度，引领视频创作进入新阶段。 （225字）

11月8日，智谱技术团队发布并开源了最新版本的视频生成模型CogVideoX v1.5。这款模型显著提升了图像生成视频的质量和复杂语义的理解能力，支持生成10秒、4K分辨率、60帧的超高清视频，并且能够适应任意比例，满足不同播放场景需求。此外，新模型还支持一次生成4个视频，并能自动生成与画面匹配的音效，告别传统“默片”。该模型已同步上线至“清影”平台，并结合了新推出的音效模型CogSound。“清影”平台的新功能将极大地丰富AI视频创作体验。开源地址为： 和 。

国产AI可以拍微电影了！4K、60帧高清画质，自带音效 国产AI正式将视频生成带入了有声电影时代。自从Sora引爆视频生成以来，几乎所有AI生成的视频都是“默片”。但现在，AI视频可以直接自带音效，而且是4K、60帧高清画质。 AI视频生成的水平如何？ 我们使用国产AI制作了一部微电影，请观看视频：...

6月2日，ElevenLabs 推出全新 AI 工具 "Sound Effects"，专为播客、电影和游戏创作音效，通过与 Shutterstock 合作利用海量音频资源进行训练。该工具提供免费和付费版本，付费用户可商用，免费用户需标注来源。区别在于，免费用户字符限制每月10,000，生成音效消耗字符。相比市场上的高价音效素材库，"Sound Effects"主打快速、经济且音效丰富。同时，Stability AI 和 Meta 也在音效生成领域有所动作。