告别“声画两张皮”：通义实验室发布 PrismAudio，让 AI 听懂视频再配音

阿里通义实验室推出视频生成音频框架PrismAudio，采用分解式思维链和四维强化学习评估机制，实现高精度、低延迟的环境音效自动生成，已获ICLR2026收录，支持9秒视频音频生成仅需0.63秒。