Mirelo SFX 2.0 動画から動画: 無音のクリップにサウンドトラックを

思い込み: 音は動画の最後の1割にすぎない

無音のAI動画と、足音と部屋の空気音が少し入った同じ動画を見比べたことがある人なら、1割どころか半分近いと知っています。Mirelo SFX 2.0 Video-to-Video は、その瞬間のために作られています。動画をアップロードすると、モデルは目で聴き、同期した新しい効果音トラックが入った同じ動画を返します。入力は1ファイル、出力も1ファイルで、そのまま投稿できます。

動画から動画か、動画から音声か?

どちらのモデルも同じクリップを読み取り、設定もほぼ同じです。問題は、あとで何を手に入れたいかです。

• 動画から動画 (こちら): 音がすでにミックスされた完成クリップ。SNSの投稿、プレビュー、これ以上編集しないものに向いています。
• [動画から音声](/blog/mirelo-sfx-2-video-to-audio-guide): 音だけをWAV、MP3、AAC、FLACで返し、自分のタイムラインに置けます。編集する、音楽とミックスする、ひとつの音を手作業で直したいときに選びます。

実用上の違いがひとつあります。音声版には出力形式とビットレートの設定がありますが、こちらにはありません。音が動画の中に入るからです。

入力するもの、調整できるもの

必須なのは動画だけで、長さは1秒以上です。ほかはすべて任意です。プロンプト (2000文字まで) にはほしい音を書き、ネガティブプロンプトには音楽、声、交通音など入れたくないものを書きます。長さのスライダーは1秒から600秒まで、初期値は10秒で、動画の長さが上限です。シードを使えば、同じテイクを再現できます。

声は残して、あとは差し替える

「音声を残す」は詳細設定にあり、初期値でオンです。クリップに話している人がいれば、その声は残り、効果音はその周りに作られるので、新しい音の層の下にセリフが埋もれることはありません。クリップ内の話し声を差し替えたいときだけスイッチをオフにし、声をまったく入れたくないなら、ネガティブプロンプトに「声」を加えてください。

動画モデルとの相性がいい

動画モデルが作った無音の映像こそ、このモデルの出番です。Kling V4.0 Text-to-Video のようなモデルで映像を作り、いちばんよいテイクを残して、このモデルに音で仕上げてもらいましょう。クリップをウェブサイトのループに使うなら、やはり無音のままがよいかもしれません。それがいつなのかは、動画ループのガイドで説明しています。

苦手なこと

返ってくるのはミックス済みの1本のトラックなので、あとから足音と風を分けて持ち上げることはできません。その調整が必要なら、音声のみの姉妹モデルを選んでください。作るのは効果音と雰囲気であって、歌でもセリフでもありません。出力の長さは入力と同じまでで、暗い映像や素早いカットのように映像が不明瞭だと、拾える手がかりが減ります。ほかの音声モデルはモデル一覧にあります。