ThinkSound V2版 - 一键给无声视频配音，为AI视频生成匹配音效 支持50系显卡 一键整合包下载
ThinkSound 是阿里通义实验室开源的首个音频生成模型，它能够让AI像专业“音效师”一样，根据视频内容生成高度逼真、与视觉内容完美契合的音频。
ThinkSound 可直接应用于影视后期制作，为AI生成的视频自动匹配精准的环境噪音与爆炸声效；服务于游戏开发领域，实时生成雨势变化等动态场景的自适应音效；同时可以无障碍视频生产，为视障用户同步生成画面描述与环境音效。
今天分享的 ThinkSound V2版，轻量化模型（模型体积由20G缩小至5G）并优化内存（RAM 32G占用减少到12G）和 GPU 使用（VRAM 16G减少至10G），同时生成速度也更快，更新较大，建议更新此版。
应用领域
创意产业：ThinkSound可以极大地助力电影、动画、广告等创意产业的音频制作。它能够为视频内容自动生成高质量的音效和背景音乐，减轻音频师的工作负担，同时提高制作效率和音频质量。
视频生成模型的配音：该框架还可以与视频生成模型配合使用，为这些模型生成的视频提供配音。这意味着，在自动生成视频的同时，也能自动生成与之匹配的音频，进一步推动自动化内容创作的边界。
音频修复与编辑：在音频修复方面，ThinkSound能够准确地恢复被噪声掩盖的音频片段。此外，它还能根据用户的指令对音频进行精细编辑，如添加、删除或修改特定声音元素。
教育与培训：在教育和培训领域，ThinkSound可以用于创建具有丰富音效的多媒体教材，帮助学生更好地理解和记忆学习内容。
虚拟现实与增强现实：在虚拟现实（VR）和增强现实（AR）应用中，ThinkSound可以生成与用户的交互行为实时匹配的音频效果，提升沉浸感和真实感。
使用教程：（建议N卡，显存10G起。支持50系显卡，基于CUDA12.8）
上传需要配音的视频，可选提示词和描述，提交即可。
下载地址：
迅雷云盘：https://pan.xunlei.com/s/VOUmjFVzelM0diHtfGCXvFKPA1?pwd=wenw
百度网盘：**** 本内容需购买 ****
解压密码：https://deepfaces.cc/ 复制这个完整的网址即是解压密码，不要有空格，复制粘贴即可
V2推理速度快太多了 之前看这个模型刚发布时需要24G以上的显存，太吓人了
Using a slow image processor as `use_fast` is unset and a slow processor was saved with this model. `use_fast=True` will be the default behavior in v4.52, even if the model was saved with a slow processor. This will result in minor differences in outputs. You'll still be able to use a slow processor with `use_fast=False`.
请问为啥显示这个，我无法使用:handshake Elain_Eddie 发表于 2025-7-18 18:43
Using a slow image processor as `use_fast` is unset and a slow processor was saved with this model. ...
我也是到这个位置就不动了，模型已经下载好了，你这边搞定了吗
页:
[1]