HunyuanVideo-Foley는 텐센트 훈위안이 공개한 텍스트-비디오-투-오디오(TV2A) 폴리 사운드 생성 모델이다. 멀티모달·유니모달 트랜스포머 블록을 결합한 하이브리드 확산 구조로, 영상과 텍스트 프롬프트를 함께 조건으로 삼아 장면에 동기화된 48kHz 오디오를 생성한다. Synchformer 기반 시간 정렬과 게이트 변조로 프레임 단위 오디오-영상 동기화 정밀도를 높였으며, MovieGen-Audio-Bench와 Kling-Audio-Eval 벤치마크에서 MMAudio, ThinkSound 등 기존 모델 대비 전 지표 최고 점수를 기록했다고 밝힌다. 20GB VRAM의 XXL과 16GB VRAM의 XL 두 모델을 제공하며, 오프로딩 시 각각 12GB·8GB까지 낮출 수 있다.