Kali ini Xiaomi merilis open source ControlFoley yang cukup tulus, dengan pemisahan waktu dan ruang + generasi yang dapat dikontrol, sinkronisasi audio dan visual dianggap telah memahami poin-poin utama masalahnya

Dalam pemantauan Beating, tim Xiaomi merilis sumber terbuka kerangka kerja efek suara video ControlFoley, menekankan kontrol: menghasilkan suara berdasarkan gambar, teks, atau audio referensi, dan dapat mengubah gaya suara sambil menjaga sinkronisasi audio dan gambar. Pada tingkat dasar menggunakan encoder audio-video spasial-temporal yang dimodifikasi dari CAV-MAE, melakukan pemisahan waktu dan nada suara. Penilaian multi-tugas mencapai SOTA sumber terbuka, dan bersaing dalam perbandingan dengan Kling-Foley, tetapi masih memiliki jarak pada beberapa indikator KL di Kling-Audio-Eval dan MovieGen-Audio-Bench. Proyek ini telah merilis laporan teknis, kode, bobot, dan Demo.