La génération audio (Audio Generation) désigne la création de son – parole, musique, effets sonores ou ambiances – par des modèles d'IA à partir de prompts texte, de références audio ou d'autres entrées. Elle permet de produire des pistes audio sans enregistrement ou composition traditionnels. Dans les workflows de création vidéo IA, la génération audio est pertinente pour l'ajout de voix off, de musiques de fond ou d'ambiances aux séquences générées.