AudioCoT

当我们观看一部电影或短视频时，总会发现某些画面缺乏与之匹配的声音——奔跑的马蹄声与尘土飞扬的镜头不同步，雨滴落在伞面的节奏与画面快慢脱节。这种"视听割裂"的现象背后，暴露出当前AI音频生成技术的瓶颈...

2025 年 7 月 4 日，阿里 “通义大模型” 公众号宣布，通义实验室首个音频生成模型 ThinkSound 正式开源。这款模型首次将 Chain-of-Thought（CoT，思维链）应用于音频...