首頁Tongyi Lab 推出 PrismAudio，實現雙向音視訊分離
在人工智慧影片生成技術迅速發展的時代，影像與音訊之間的脫節——通常表現為靜音或音訊與畫面不匹配——仍是影響觀眾沉浸感的重大障礙。 為解決此一挑戰，阿里巴巴的通一實驗室（Tongyi Lab）推出了名為「PrismAudio」的創新影片轉音訊框架。這項研究已獲頂尖人工智慧會議 ICLR 2026 錄用，其重點在於自動將影片內容與精準的環境音效進行同步。
生成前的推理：「思維鏈」掌握音訊
傳統的音訊生成模型通常基於「直覺」運作，經常產生脫節的結果——例如馬蹄聲聽起來像鳥鳴，或是音訊滯後於視覺動作。PrismAudio 的獨特之處在於採用「先規劃，再生成」的方法。
「思維鏈」的分解過程：在生成音訊之前，模型會逐幀分析影片：識別場景元素、確定聲音起始時間、評估音訊特徵（例如清晰度或深度），並在空間上定位聲源。
多維度評估：為確保輸出品質，開發團隊整合了強化學習技術，運用四個「虛擬評估者」針對語義一致性、時間同步性、美學品質及空間精準度等面向對結果進行評分。這種多面向的回饋循環，解決了先前模型常有的問題——即僅針對某一方面進行優化，卻忽略了其他面向。
輕量且高效：0.6 秒內處理 9 秒影片
除了準確度之外，PrismAudio 還具備卓越的速度。透過其專有的Fast-GRPO訓練演算法，該模型在維持運作效率的同時，實現了顯著的性能提升：
精簡架構，強大效能：該模型僅含 5.18 億個參數，遠小於通常需要數百億個參數的同類系統。
快速響應：為一段 9 秒的影片片段生成高品質音訊，僅需0.63 秒，已接近即時處理水準。
產業觀點：真實環境音效的崛起
PrismAudio 的推出不僅為電影後期製作和短片創作提供了強大的自動化工具，更啟發了多物件生成的新方法。隨著 AI 在平衡音頻質感與空間定位方面的能力不斷提升，未來的影片製作將越來越能實現真正的「所見即所聞」保真度。
論文連結：arXiv:2511.18833
開源連結：https://prismaudio-project.github.io/
相關文章
Neros Technologies 獲得 2.5 億美元融資，計劃到 2026 年部署防禦無人機
Neros Archer：一款專為模組化有效載荷和彈性通訊鏈路設計的FPV無人機。| 來源：NerosNeros Inc.已完成2.5億美元的C輪融資，將該國防無人機承包商的估值提升至25億美元。“這筆最新的資金注入加速了Neros向多能力無人機制造商的轉型，”聯合創始人兼執行長Soren Monroe-Anderson表示。“雖然我們每年生產100萬架無人機的目標保持不變，但我們能夠支援的平臺範圍和任務型別正在迅速擴充套件。自去年11月上一輪融資以來，核心業務增長迅猛。這筆資金使我們能夠以決定
宇樹科技，A股首個人形機器人概念股，定於8月19日上市，估值約610億元人民幣
定於8月19日在科創板上市的越數科技，將以每股150.80元的價格上市，發行後市值約為609.93億元。其市盈率高達219.23，估值顯著高於行業平均水平。該公司計劃發行4044.64萬股新股，佔發行後總股本的10%，預計募集資金約60.99億元。網上發行中籤率僅為0.01809759%，成為科創板歷史上競爭最為激烈的IPO之一。財務預測顯示，2025年營收約為17億元，扣除非經常性損益後歸屬於股東的淨利潤為5.91億元。按發行後市值計算，靜態市盈率超過100倍，反映出市場對其高增長的預期。
阿里玄元M890 Ultra節點現已相容Qwen3.8，可在百鍊平臺進行推理
阿里雲於7月23日確認，其“玄武M890”超級節點已成功整合最新旗艦大模型Qwen3.8，使其在阿里雲百鍊平臺上線模型推理服務。這一里程碑事件確立了玄武M890作為中國首個支援萬億引數以上大模型穩定執行的超級節點系統，標誌著國內大模型計算排程軟硬體協同方面取得重大突破。Qwen3.8是阿里雲最新推出的超大規模旗艦模型，擁有高達2.4萬億引數。傳統AI叢集在處理高吞吐、低延遲和高併發推理需求時，常因節點間通訊頻寬受限而面臨效能瓶頸。為確保如此規模下的穩定高效執行，模型引數通常需拆分並分佈在數十甚
相關專題推薦
自動化
n8n AI 自動化工具，適用於內部營運、資料同步及多步驟代理流程
2026 年最新最佳 n8n AI 自動化工具，適用於內部營運、資料同步及多步驟代理流程，現已登場！XIX.AI 精心精選了一系列廣受好評、功能強大且能徹底改變遊戲規則的工具，可提升各項工作任務的生產力。 每項工具均經過嚴格的實際環境測試以確保可靠性，並提供詳盡的免費版與付費版比較，以及每週更新的排行榜。這些必試選項能助您發揮 AI 優勢，並輕鬆優化工作流程。立即探索，找出最適合您的工具！
11 個工具
xix.ai
迅速的
最適合多模型團隊的最佳提示管理工具
2026 年最新、最受好評的多模型團隊必備提示語管理工具！ XIX.AI 精心精選了一系列強大且顛覆遊戲規則的必試工具，提供免費與付費版本的比較、實際應用測試以及詳細排名。這些頂級解決方案能透過簡化工作流程、消除重複作業，並在所有團隊專案中激發創意，從而顯著提升生產力。立即探索，找到最適合您的工具，並從今天開始創作吧！
9 個工具
xix.ai
會議助理
適用於遠端團隊的 AI 會議摘要工具
2026 年最新、最受好評的遠端團隊 AI 會議摘要工具！XIX.AI 精心精選了一系列強大且顛覆業界的必試工具，這些工具均經過實測驗證，能提供精準的會議記錄與可付諸行動的洞察。 您將在此找到免費與付費版本的比較數據及詳細排名，助您挑選最理想的方案，從而提升生產力並優化團隊溝通。立即探索，釋放您的 AI 優勢！
13 個工具
xix.ai
軟件開發
最佳 AI DevOps 輔助工具：監控部署、日誌及故障事件
2026年最新、最優秀、評分最高的AI DevOps輔助工具彙總，專為監控部署流程、日誌記錄及故障處理而設計。XIX.AI透過實際應用測試與嚴格的評分體系，提供了極具突破性的強大工具，能夠顯著提升工作效率。您可以檢視免費版與付費版的對比資訊，找到最適合您工作流程的理想解決方案。立即探索，讓AI優勢助力您的業務發展。
7 個工具
xix.ai
圖像編輯
適用於產品照片的 AI 背景移除工具
2026 年最新、最受好評的 AI 產品照片背景移除工具，就在 XIX.AI！我們精心挑選的清單包含多款強大且顛覆業界的解決方案，這些工具均經過實際測試驗證，能呈現專業級成果。 您將在此找到免費版與付費版的對比分析、每週更新的排行榜，以及不容錯過的推薦選項，助您提升工作效率，輕鬆打造無瑕疵的產品照片。立即探索，釋放您的 AI 優勢！
11 個工具
xix.ai
代碼
用於 GitHub 倉庫的 AI 拉取請求審查工具
2026 年最新最佳頂級評分 AI 拉取請求審查工具適用於 GitHub 倉庫，現已在 XIX.AI 上線！我們的精選列表包含強大且改變遊戲規則的方案，幫助團隊簡化程式碼審查流程、更快發現錯誤，並透過實際測試提升生產力。獲取免費與付費版的對比，找到最適合您工作流的工具。立即探索，釋放您的 AI 優勢！
10 個工具
xix.ai
評論 (0)
0/500
在人工智慧影片生成技術迅速發展的時代，影像與音訊之間的脫節——通常表現為靜音或音訊與畫面不匹配——仍是影響觀眾沉浸感的重大障礙。 為解決此一挑戰，阿里巴巴的通一實驗室（Tongyi Lab）推出了名為「PrismAudio」的創新影片轉音訊框架。這項研究已獲頂尖人工智慧會議 ICLR 2026 錄用，其重點在於自動將影片內容與精準的環境音效進行同步。
生成前的推理：「思維鏈」掌握音訊
傳統的音訊生成模型通常基於「直覺」運作，經常產生脫節的結果——例如馬蹄聲聽起來像鳥鳴，或是音訊滯後於視覺動作。PrismAudio 的獨特之處在於採用「先規劃，再生成」的方法。
「思維鏈」的分解過程：在生成音訊之前，模型會逐幀分析影片：識別場景元素、確定聲音起始時間、評估音訊特徵（例如清晰度或深度），並在空間上定位聲源。
多維度評估：為確保輸出品質，開發團隊整合了強化學習技術，運用四個「虛擬評估者」針對語義一致性、時間同步性、美學品質及空間精準度等面向對結果進行評分。這種多面向的回饋循環，解決了先前模型常有的問題——即僅針對某一方面進行優化，卻忽略了其他面向。
輕量且高效：0.6 秒內處理 9 秒影片
除了準確度之外，PrismAudio 還具備卓越的速度。透過其專有的Fast-GRPO訓練演算法，該模型在維持運作效率的同時，實現了顯著的性能提升：
精簡架構，強大效能：該模型僅含 5.18 億個參數，遠小於通常需要數百億個參數的同類系統。
快速響應：為一段 9 秒的影片片段生成高品質音訊，僅需0.63 秒，已接近即時處理水準。
產業觀點：真實環境音效的崛起
PrismAudio 的推出不僅為電影後期製作和短片創作提供了強大的自動化工具，更啟發了多物件生成的新方法。隨著 AI 在平衡音頻質感與空間定位方面的能力不斷提升，未來的影片製作將越來越能實現真正的「所見即所聞」保真度。
論文連結：arXiv:2511.18833
開源連結：https://prismaudio-project.github.io/
Neros Technologies 獲得 2.5 億美元融資，計劃到 2026 年部署防禦無人機
Neros Archer：一款專為模組化有效載荷和彈性通訊鏈路設計的FPV無人機。| 來源：NerosNeros Inc.已完成2.5億美元的C輪融資，將該國防無人機承包商的估值提升至25億美元。“這筆最新的資金注入加速了Neros向多能力無人機制造商的轉型，”聯合創始人兼執行長Soren Monroe-Anderson表示。“雖然我們每年生產100萬架無人機的目標保持不變，但我們能夠支援的平臺範圍和任務型別正在迅速擴充套件。自去年11月上一輪融資以來，核心業務增長迅猛。這筆資金使我們能夠以決定
宇樹科技，A股首個人形機器人概念股，定於8月19日上市，估值約610億元人民幣
定於8月19日在科創板上市的越數科技，將以每股150.80元的價格上市，發行後市值約為609.93億元。其市盈率高達219.23，估值顯著高於行業平均水平。該公司計劃發行4044.64萬股新股，佔發行後總股本的10%，預計募集資金約60.99億元。網上發行中籤率僅為0.01809759%，成為科創板歷史上競爭最為激烈的IPO之一。財務預測顯示，2025年營收約為17億元，扣除非經常性損益後歸屬於股東的淨利潤為5.91億元。按發行後市值計算，靜態市盈率超過100倍，反映出市場對其高增長的預期。
阿里玄元M890 Ultra節點現已相容Qwen3.8，可在百鍊平臺進行推理
阿里雲於7月23日確認，其“玄武M890”超級節點已成功整合最新旗艦大模型Qwen3.8，使其在阿里雲百鍊平臺上線模型推理服務。這一里程碑事件確立了玄武M890作為中國首個支援萬億引數以上大模型穩定執行的超級節點系統，標誌著國內大模型計算排程軟硬體協同方面取得重大突破。Qwen3.8是阿里雲最新推出的超大規模旗艦模型，擁有高達2.4萬億引數。傳統AI叢集在處理高吞吐、低延遲和高併發推理需求時，常因節點間通訊頻寬受限而面臨效能瓶頸。為確保如此規模下的穩定高效執行，模型引數通常需拆分並分佈在數十甚
2026 年最新最佳 n8n AI 自動化工具，適用於內部營運、資料同步及多步驟代理流程，現已登場！XIX.AI 精心精選了一系列廣受好評、功能強大且能徹底改變遊戲規則的工具，可提升各項工作任務的生產力。 每項工具均經過嚴格的實際環境測試以確保可靠性，並提供詳盡的免費版與付費版比較，以及每週更新的排行榜。這些必試選項能助您發揮 AI 優勢，並輕鬆優化工作流程。立即探索，找出最適合您的工具！
11 個工具
xix.ai
2026 年最新、最受好評的多模型團隊必備提示語管理工具！ XIX.AI 精心精選了一系列強大且顛覆遊戲規則的必試工具，提供免費與付費版本的比較、實際應用測試以及詳細排名。這些頂級解決方案能透過簡化工作流程、消除重複作業，並在所有團隊專案中激發創意，從而顯著提升生產力。立即探索，找到最適合您的工具，並從今天開始創作吧！
9 個工具
xix.ai
2026 年最新、最受好評的遠端團隊 AI 會議摘要工具！XIX.AI 精心精選了一系列強大且顛覆業界的必試工具，這些工具均經過實測驗證，能提供精準的會議記錄與可付諸行動的洞察。 您將在此找到免費與付費版本的比較數據及詳細排名，助您挑選最理想的方案，從而提升生產力並優化團隊溝通。立即探索，釋放您的 AI 優勢！
13 個工具
xix.ai
2026年最新、最優秀、評分最高的AI DevOps輔助工具彙總，專為監控部署流程、日誌記錄及故障處理而設計。XIX.AI透過實際應用測試與嚴格的評分體系，提供了極具突破性的強大工具，能夠顯著提升工作效率。您可以檢視免費版與付費版的對比資訊，找到最適合您工作流程的理想解決方案。立即探索，讓AI優勢助力您的業務發展。
7 個工具
xix.ai
2026 年最新、最受好評的 AI 產品照片背景移除工具，就在 XIX.AI！我們精心挑選的清單包含多款強大且顛覆業界的解決方案，這些工具均經過實際測試驗證，能呈現專業級成果。 您將在此找到免費版與付費版的對比分析、每週更新的排行榜，以及不容錯過的推薦選項，助您提升工作效率，輕鬆打造無瑕疵的產品照片。立即探索，釋放您的 AI 優勢！
11 個工具
xix.ai
2026 年最新最佳頂級評分 AI 拉取請求審查工具適用於 GitHub 倉庫，現已在 XIX.AI 上線！我們的精選列表包含強大且改變遊戲規則的方案，幫助團隊簡化程式碼審查流程、更快發現錯誤，並透過實際測試提升生產力。獲取免費與付費版的對比，找到最適合您工作流的工具。立即探索，釋放您的 AI 優勢！
10 個工具
xix.ai
