8月28日，腾讯混元宣布开源端到端视频音效生成模型HunyuanVideo-Foley。用户只需输入视频和文字描述，即可生成电影级高品质音效。该模型现已上线，用户可通过GitHub、Hugging Face下载开源模型，或访问混元官网直接体验。这一技术为音效制作提供了高效解决方案，具有较高实用价值。

8月28日，腾讯混元宣布开源端到端视频音效生成模型Hunyuan-Foley，用户只需输入视频和文字即可生成电影级音效。该模型突破了AI视频“只能看不能听”的局限，实现“看懂画面、读懂文字、配准声音”，适用于短视频、电影、广告和游戏等领域。团队构建了10万小时高质量TV2A数据集，使模型具备强大泛化能力，可在复杂场景下生成音画一致的高质量音频。目前，模型已开放体验入口及相关代码和技术报告链接。

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。

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。

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。