# 小米开源 ControlFoley：给视频配音效，可以按你写的提示词或给的参考音频来

> 原标题：小米开源可控视频音效生成模型 ControlFoley，让声音"按你想要的来"

- 来源：AI HOT 精选
- 发布时间：2026-05-29T09:13:13.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30345
- 原文：https://www.ithome.com/0/957/282.htm

## 摘要

小米大模型应用团队放出了一个叫 ControlFoley 的视频音效生成模型，权重和代码都开源了。它主要解决一个问题：以前模型只能看画面自动猜配什么声音，创作者没法干预。ControlFoley 支持三种用法——用文字描述想要的音效、用文字强行覆盖画面里原有的声音、或者上传一段参考音频让它模仿音色和风格，同时还能保证声音和画面动作对得上。

## 推荐理由

小米开源 ControlFoley，让视频音效从只能由模型自动猜测变为可用文字或参考音频指定，同时保持声音与画面动作对齐。

## 锐评

小米开源这个挺实在，直接给了三种控制方式，尤其是拿参考音频模仿音色那条，做短视频的可以省掉一堆找音效的时间。以前这类模型只能看画面猜，创作者插不上手，现在能按提示词覆盖原声，工具属性一下就出来了。权重和代码全放出来，比只发个 demo 强太多。我的评价是这种任务明确、能直接进工作流的东西，比刷榜的基础模型有用。
