ThinkSound，用于音频生成和编辑的多模态大型语言模型中的思维链推理，从视频、文本和音频生成或编辑音频，由多模态大型语言模型 （MLLM） 的分步推理提供支持。

Github地址：https://github.com/FunAudioLLM/ThinkSound

论文地址：https://arxiv.org/pdf/2506.21448

模型地址：https://huggingface.co/spaces/FunAudioLLM/ThinkSound

在线体验：https://modelscope.cn/studios/iic/ThinkSound



微信扫描下方的二维码阅读本文

ThinkSound，用于音频生成和编辑的多模态大型语言模型中的思维链推理插图

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。