Génère et décode des effets sonores à partir de prompts textuels ou de séquences vidéo en utilisant des modèles de fondation ouverts.
Modèles de fondation ouverts de Sony AI pour l'encodage audio, les effets sonores pilotés par texte et l'audio synchronisé sur vidéo.
Woosh est une boîte à outils de fondation d'effets sonores conçue par Sony AI pour la synthèse texte-vers-audio et vidéo-vers-audio. Elle propose des modèles de diffusion latente ainsi qu'un encodeur et décodeur audio pour les concepteurs sonores et les développeurs de jeux. Vous pouvez exécuter des scripts d'inférence, lancer des interfaces de navigateur locales ou intégrer la génération dans des pipelines personnalisés via un serveur API.
Le dépôt fournit une suite de modèles incluant Woosh-AE pour l'encodage audio latent, Woosh-CLAP pour le conditionnement textuel et des modèles de diffusion latente tels que Woosh-Flow et Woosh-VFlow. Il synthétise l'audio directement à partir de prompts textuels descriptifs ou aligne l'audio généré sur des fichiers vidéo d'entrée. Vous gérez et exécutez les outils via des scripts Python en utilisant le gestionnaire d'environnement uv.
Il convient aux développeurs de jeux, aux concepteurs sonores techniques et aux chercheurs en audio IA cherchant à générer des ressources audio originales en local. Il est moins adapté aux créateurs non techniques qui ont besoin d'un plugin de station audionumérique prêt à l'emploi ou de droits commerciaux immédiats.
Synthétise des effets sonores personnalisés directement à partir de descriptions textuelles en utilisant des modèles de diffusion standard et distillés.
Crée des pistes audio alignées sur des séquences vidéo d'entrée en utilisant la diffusion latente multimodale.
Compresse l'audio brut en latents neuronaux et reconstruit des formes d'onde de haute qualité avec Woosh-AE.
Fournit des interfaces utilisateur web pour tester la génération texte-vers-son dans votre navigateur local.
Le code source est gratuit et ouvert sous licences MIT et Apache-2.0. Cependant, les poids des modèles pré-entraînés utilisent une licence non commerciale CC-BY-NC. L'exécution du projet nécessite votre propre matériel informatique GPU local.
896 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 10 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.
Le code source du dépôt utilise les licences Apache-2.0 et MIT, mais les poids des modèles ouverts fournis sur les releases GitHub sont sous licence CC-BY-NC, ce qui restreint l'utilisation commerciale sans accords distincts.
Non. Une fois que vous avez installé les dépendances et téléchargé les points de contrôle du modèle en local, toute la génération audio s'exécute hors ligne.
Voir Zekai en premier dans Google