YingSound 是一个由巨人网络AI实验室、西工大ASLP实验室和浙江大学联合研发的多模态音效生成大模型。它能够为无声视频生成音效，并实现音画同步，特别适用于产品级视频的少样本设置。该模型基于DiT的Flow-Matching框架和多模态思维链（Multi-modal CoT）控制模块，实现跨模态对齐和精准控制，支持多种高精细度音效生成，适用于游戏、动漫、现实世界和AI生成视频等多种场景。
