索尼AI开源PAVAS：物理感知视频转音频

2026 年 10 月 3 日，索尼 AI 将物理感知视频转音频模型 PAVAS 开源至 GitHub，并披露该模型已被 CVPR 2026 接收为 Oral 报告。据 AGI Hunt 报道，PAVAS 是 MMAudio（CVPR 2025）的演进版本，通过质量、速度、分割与 patch 级视觉特征构建以物体为中心的条件信息，使生成的音频更贴合视频中的物理互动。目前公开信息集中于开源与论文被 CVPR 2026 接收为 Oral 两点，报道未披露模型规模、训练数据、评测指标等更多技术细节，也尚无第三方复现或使用反馈。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。