Mirelo SFX 2.0: efectos de sonido y ambientes a partir de una frase

Es famoso que los artistas de foley chocan dos mitades de coco para imitar cascos de caballo. Mirelo SFX 2.0 se salta los cocos: describes el sonido con palabras y devuelve un archivo de audio con efectos de sonido o ambiente. El ejemplo de su página de modelo es una buena prueba de lo que sabe hacer: el paso de una nave alienígena que empieza como un retumbo lejano, crece hasta un rugido de turbina por encima, baja de tono con efecto Doppler y se desvanece. Es un sonido con principio, nudo y final, escrito en un solo párrafo.

¿Qué puede crear?

Dos tipos de cosas. Eventos: un portazo, una espada desenvainada, el paso de una nave, un cristal que se rompe. Fondos: lluvia sobre un tejado de chapa, una cafetería llena, viento en un bosque, el zumbido de la sala de máquinas de una nave. El control de duración va de una décima de segundo a diez minutos y empieza en 30 segundos, así que tanto un clic corto como un bucle largo para una escena caben en un mismo modelo.

¿Cómo escribo el prompt?

Como el encargo de un diseñador de sonido, no como un pie de foto. Cuatro cosas marcan la diferencia: la fuente (qué produce el sonido), la acción (qué pasa, en orden), el espacio (una habitación pequeña, una catedral, al aire libre) y la distancia (de cerca, al otro lado de la calle). El ejemplo de la nave tiene las cuatro, y por eso funciona.

¿Para qué sirve el prompt negativo?

Para dejar fuera lo que se cuela. Pide una calle concurrida y puede que te llegue un claxon que no querías, o una voz en la cafetería. El prompt negativo está en los ajustes avanzados y su propia indicación enumera los sospechosos habituales: música, voces, tráfico. Para un ambiente bajo diálogos, poner ahí 'voces, habla, música' mantiene limpio el fondo y tus actores son los únicos que hablan. La guía de prompts negativos explica la idea con más detalle para imágenes y vídeo; aquí funciona igual.

¿Cómo consigo variaciones del mismo sonido?

Con la semilla. Si la dejas vacía, cada pasada es una toma aleatoria nueva, que es lo que quieres mientras exploras. Cuando oigas una toma que te guste, fija su semilla y mantenla mientras ajustas el texto: el resultado cambia solo tanto como cambian tus palabras. Un juego necesita cinco pasos parecidos pero no idénticos; mantén el prompt y cambia solo la semilla, cinco veces. El artículo sobre semillas explica la misma idea para imágenes.

¿Qué formato de archivo elijo?

WAV es el predeterminado y la elección correcta para editar en un programa de vídeo o audio, porque no está comprimido. FLAC también es sin pérdida y ocupa menos. MP3 y AAC son para la web o una escucha rápida, y en esos dos puedes fijar una tasa de bits entre 32 y 320 kbps; si la dejas vacía, la codificación es automática.

¿Qué no puede hacer?

Está hecho para efectos de sonido y ambientes, y es todo lo que promete su descripción: para una canción o una línea de diálogo, elige un modelo de música o de voz. Tampoco mira tu vídeo. Ajustar un sonido al fotograma exacto en que un vaso golpea el suelo es trabajo de la versión de vídeo a sonido del mismo modelo, Mirelo SFX 2.0 de vídeo a audio, que escucha la imagen. Para otro modelo de texto a sonido con ambientes en bucle, consulta la guía de efectos de sonido V2, y todos los modelos de audio están en la página de modelos.