现在 AI 视频的音效生成几乎成为标配，实测了一下阿里的通义万相。操作十分简单，只要在生成视频的过程中打开“视频音效”选项即可。AI 会智能分析视频内容，生成与之匹配的音效，如果没有明确音效则会生成适合的背景音乐。
在测试的四个视频中，海浪的音效表现不错。小鸟视频则生成了森林环境音，整体氛围较为契合。卡通乐手的视频似乎能识别出乐器为吉他，并匹配了相应的音效。机器人瓦力的视频似乎未被精准识别，最终生成的是一段随机的背景音乐。
总体来看，通义万相在音效生成方面能够识别视频画面，并生成相对匹配的音效，但整体更倾向于环境音效，而非精准捕捉视频主体的音效。
拆成可复用角色；hermes-agent 主打任务后自动沉淀技能、让智能体越用越聪明；Superpowers 以测试驱动流程串起开发全链路；Paperclip 则尝试用多智能体编排“零人工公司”。
Adobe Firefly上线自定义图像模型功能，用户上传10张以上图片即可训练专属艺术风格模型，聚焦AI美学方向；但该能力比Midjourney晚半年推出，AI视频部分未采用自研模型，转而接入可灵2.6，引发对其技术节奏与生态策略的质疑。
Luma 推出 UNI-1，一种突破性多模态推理模型：它并非语言或图像模型的拼接，而是将世界理解与图像生成统一于单次前向推理中，实现“先看懂、再画出”。架构上尝试融合逻辑推理与视觉想象，被称作“左右脑合一”，或预示AI建模范式的转向。
围绕《实测阿里通义万相的视频音效生成》展开交流，未登录用户可浏览评论，登录后可参与讨论。
