Web Analytics

ThinkSound

⭐ 1043 stars Korean by FunAudioLLM

ThinkSound

🌐 English | 简体中文 | 繁體中文 | Español | Français | 日本語

NeurIPS 2025

arXiv   Online Demo   Hugging Face   ModelScope

이 프로젝트가 도움이 되었다면,
GitHub에 별표 ⭐를 남겨주시면 감사하겠습니다!

ThinkSound는 Chain-of-Thought (CoT) 추론을 활용한 흐름 매칭 기반의 통합 Any2Audio 생성 프레임워크입니다.

멀티모달 오디오 생성 및 편집을 위한 PyTorch 구현: 비디오, 텍스트, 오디오로부터 오디오를 생성하거나 편집하며, 멀티모달 대형 언어 모델(MLLM)의 단계별 추론으로 구동됩니다.

Teaser

📰 새 소식

---

🚀 기능

---

✨ 방법 개요

ThinkSound는 오디오 생성 및 편집을 세 가지 상호작용 단계로 분해하며, 모두 MLLM 기반 Chain-of-Thought(CoT) 추론으로 안내됩니다:

ThinkSound Overview

⚡ 빠른 시작

환경 준비: 

git clone https://github.com/liuhuadai/ThinkSound.git
cd ThinkSound
conda create -n thinksound python=3.10
conda activate thinksound
pip install thinksound
conda install -y -c conda-forge 'ffmpeg<7'

Download pretrained weights https://huggingface.co/liuhuadai/ThinkSound to Directory ckpts/


model weights can be also downloaded from https://www.modelscope.cn/models/iic/ThinkSound

git lfs install
git clone https://huggingface.co/liuhuadai/ThinkSound ckpts

To improve inference and training speed, you may optionally install a FlashAttention backend compatible with your system and PyTorch version.
✅ Windows 팁:
Windows 사용자는 setup_windows.bat 파일을 실행(또는 더블 클릭)하면 콘다 환경이 자동으로 생성되고, 모든 종속성(FFmpeg 포함)과 사전 학습된 모델이 다운로드됩니다 — 별도의 수동 설정이 필요하지 않습니다.
스크립트를 실행하기 전에 conda와 git이 시스템 PATH에 설치되어 있고 사용 가능한지 확인하세요.

▶️ 데모 실행

#### Linux/macOS

chmod +x scripts/demo.sh
./scripts/demo.sh   <CoT description> [use-half]</code></pre>
#### <strong>Windows</strong></p><p>대신 제공된 <code>.bat</code> 스크립트를 사용할 수 있습니다:</p><pre><code class="language-bash">.\scripts\demo.bat <path-to-your-demo-video> <title> <CoT description> [use-half]</code></pre>
<strong>참고:</strong></p><ul><li><code><path-to-your-demo-video></code>: 단일 비디오의 경로</li>
<li><code>[use-half]</code> (선택사항): 마지막에 use-half를 추가하여 하프 프리시전 특징 추출을 활성화합니다.</li></p><p></ul>---</p><h3>📦 배치 추론</h3></p><p>#### <strong>Linux/macOS</strong></p><pre><code class="language-bash">chmod +x scripts/eval_batch.sh
./scripts/eval_batch.sh <video_path> <csv_path> <save_path (optional)> [use-half]</code></pre>
#### <strong>Windows</strong></p><p>동등한 <code>.bat</code> 스크립트를 사용하세요:</p><pre><code class="language-bash">.\scripts\eval_batch.bat <video_path> <csv_path> <save_path (optional)> [use-half]</code></pre>
<strong>참고:</strong></p><ul><li><code><video_path></code>: 처리할 모든 .mp4 비디오가 포함된 루트 디렉터리의 경로 (모든 비디오는 동일한 길이여야 합니다).</li>
<li><code><csv_path></code>: 각 비디오에 대한 텍스트 프롬프트가 포함된 CSV 파일 (<code>demo_test.csv</code>에서 형식 참고).</li>
<li><code><save_path></code> (선택사항): 생성된 오디오를 저장할 위치. 기본값은 <code>results/features</code>입니다.</li>
<li><code>[use-half]</code> (선택사항): 마지막에 use-half를 추가하면 하프 프리시전 특징 추출이 활성화됩니다.</li></p><p></ul>---</p><h3>웹 인터페이스 사용법</h3></p><p>인터랙티브한 경험을 위해 Gradio 웹 인터페이스를 실행하세요:</p><pre><code class="language-bash">python app.py</code></pre></p><h2>🏋️ 모델 학습</h2></p><p><a href="https://raw.githubusercontent.com/FunAudioLLM/ThinkSound/master/docs/Training.md" target="_blank" rel="noopener noreferrer"><code>Training.md</code></a> 문서를 참조하세요.</p><hr></p><h2>📝 TODO & 향후 계획</h2>
<ul><li>- [ ] 다양한 도메인을 아우르는 더 강력한 기반 모델을 출시하여 더욱 몰입감 있고 흥미로운 폴리 사운드 생성 제공</li>
<li>- [ ] 추가적인 모달리티와 다운스트림 작업 지원 추가</li>
<li>- [ ] 다양한 스케일의 모델 출시</li>
<li>- [x] AudioCoT 데이터셋 및 자동화 파이프라인 오픈소스 공개</li>
<li>- [x] ThinkSound 모델용 학습 스크립트 공개</li>
<li>- [x] 초보자 친화적 윈도우 빠른 시작 README 제공</li>
</ul>---</p><h2>📄 라이선스</h2></p><p>이 프로젝트는 Apache 2.0 라이선스 하에 공개됩니다.</p><blockquote><strong>참고:</strong></blockquote>
<blockquote>코드, 모델, 데이터셋은 <strong>연구 및 교육 목적에만 사용</strong>됩니다.</blockquote>
<blockquote><strong>상업적 사용은 허가되지 않습니다.</strong></blockquote>
<blockquote>상업적 라이선스가 필요할 경우 저자에게 문의해 주세요.</blockquote></p><p><strong>📦 서드파티 컴포넌트</strong></p><ul><li><strong>Stable Audio Open VAE</strong> (Stability AI 제공):</li>
  </ul>본 저장소에는 <a href="https://huggingface.co/stabilityai/stable-audio-open-1.0/" target="_blank" rel="noopener noreferrer">Stable Audio Open</a>에서 파인튜닝된 VAE가 포함되어 있으며, <a href="https://raw.githubusercontent.com/FunAudioLLM/ThinkSound/master/./third_party/LICENSE_StabilityAI.md" target="_blank" rel="noopener noreferrer">Stability AI 커뮤니티 라이선스</a> 하에 라이선스됩니다.
  <strong>상업적 사용 및 재배포는 Stability AI의 사전 허가가 필요합니다.</strong></p><ul><li>📘 <strong>그 외 모든 코드 및 모델</strong>은 Apache License 2.0 하에 공개됩니다.</li></p><p></ul>---</p><h2>감사의 말씀</h2></p><p>감사합니다:</p><ul><li><strong>stable-audio-tools</strong> (Stability AI 제공):</li>
</ul>오디오 생성에 쉽게 사용할 수 있는 프레임워크와 VAE 모듈 및 가중치를 제공해 주셨습니다.
<ul><li><strong>MMAudio</strong>:</li>
  </ul>오디오 도메인에서 MM-DiT 백본 구현을 제공해 주셨습니다.</p><hr></p><h2>📖 인용</h2></p><p>ThinkSound가 귀하의 연구나 작업에 유용했다면, 저희 논문을 인용해 주세요:</p><pre><code class="language-bibtex">@misc{liu2025thinksoundchainofthoughtreasoningmultimodal,
      title={ThinkSound: Chain-of-Thought Reasoning in Multimodal Large Language Models for Audio Generation and Editing}, 
      author={Huadai Liu and Jialei Wang and Kaicheng Luo and Wen Wang and Qian Chen and Zhou Zhao and Wei Xue},
      year={2025},
      eprint={2506.21448},
      archivePrefix={arXiv},
      primaryClass={eess.AS},
      url={https://arxiv.org/abs/2506.21448}, 
}</code></pre></p><hr></p><h2>📬 Contact</h2></p><p>
✨ Feel free to <a href="https://github.com/liuhuadai/ThinkSound/issues" target="_blank" rel="noopener noreferrer">open an issue</a> or contact us via email (<a href="https://raw.githubusercontent.com/FunAudioLLM/ThinkSound/master/mailto:liuhuadai@zju.edu.cn" target="_blank" rel="noopener noreferrer">liuhuadai@zju.edu.cn</a>) if you have any questions or suggestions!</p><p>


---


Tranlated By <a href="https://github.com/OpenAiTx/OpenAiTx" target="_blank" rel="noopener noreferrer">Open Ai Tx</a> | Last indexed: 2025-10-04


---</p>
        </div>
        
        <div class="original-link">
            <strong>Original README:</strong> <a href="https://raw.githubusercontent.com/FunAudioLLM/ThinkSound/master/README.md" target="_blank" rel="noopener noreferrer">View on GitHub</a>
        </div>
    </div>
    
    <div class="footer">
        <p>Translated by <a href="https://github.com/OpenAiTx/OpenAiTx" target="_blank" rel="noopener noreferrer">OpenAiTx</a> | 
        Last updated: 2025-10-04 
    </div>
    
</body>
</html>