Музыка и звукВидео

ThinkSound / PrismAudio

Генерирует и редактирует звук к видео, тексту или аудио, сначала «рассуждая» о сцене через мультимодальную модель. PrismAudio — следующая версия для звука к видео.

Разработчик
Alibaba Tongyi (FunAudioLLM), Китай
Первый выпуск
июл 2025
Последний выпуск
мар 2026
Размеры
размер на карточке не указан
Лицензия
Можно в коммерциюApache 2.0 (ThinkSound), MIT (PrismAudio)
Запуск
Через свой серверНужна видеокарта
Сферы
Медиа и продакшн, Маркетинг и контент
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Звук к видео по сцене
  • Редактирование отдельных звуков в дорожке
  • Звуковые эффекты по описанию

Где применяется

ВидеопродакшнРекламаГеймдев

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
нет версий
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. PrismAudio
  2. ThinkSound

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать ThinkSound / PrismAudio в коммерческом проекте?

Да. Лицензия: Apache 2.0 (ThinkSound), MIT (PrismAudio). Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для ThinkSound / PrismAudio?

Минимум: Одна видеокарта на 16–80 ГБ — средние версии. Без видеокарты модель практически не работает. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли ThinkSound / PrismAudio русский язык?

Для этой модели язык не важен: она работает не с текстом.

Где скачать ThinkSound / PrismAudio и сколько это стоит?

Веса ThinkSound / PrismAudio лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Похожие модели

Музыка и звукMMAudioИллинойсский университет и Sony AI · США / ЯпонияТолько некоммерческое

Озвучивает немое видео: генерирует шумы и звуковые эффекты, синхронные с происходящим в кадре, по видео и текстовой подсказке. Одна из первых сильных открытых моделей фоли.

ПодробнееМузыка и звукHunyuanVideo-FoleyTencent Hunyuan · КитайКоммерция с условиями

Генерирует звук студийного качества (48 кГц) к видео по картинке и текстовой подсказке: шаги, удары, окружение, синхронно с действием в кадре.

ПодробнееМузыка и звукStable AudioStability AI · ВеликобританияКоммерция с условиями

Генерация коротких музыкальных фрагментов и звуковых эффектов по описанию. Третья версия разделена на модели для музыки и для звуков.

Подробнее

Источник: github.com/FunAudioLLM/ThinkSound. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.