НОВИНКИ · ЗВУК ДЛЯ ВИДЕО · AI MUSIC

Mirelo SFX 2.0: как озвучить готовое видео и не трогать картинку

14 октября 2026 года компания Mirelo представила SFX 2.0 — модель, которая заменяет звук в уже готовом видео, не перегенерируя само изображение. Она сохраняет речь, убирает лишнюю музыку и добавляет шумы, фоли и атмосферу, привязанные к тому, что происходит в кадре. Для автора клипа это способ озвучить отснятое или сгенерированное видео уже после монтажа. Разбираем заявленное и показываем, как использовать такой подход.

Что подтверждено официально

Источники: официальный пост Mirelo от 14 октября 2026 года и описание модели на платформе fal, проверены 7 ноября 2026. Mirelo называет SFX 2.0 моделью «видео в звук»: вы даёте готовый ролик, а получаете для него новую звуковую дорожку или видео с ней. Речь определяется и сохраняется, неречевой звук, например лишняя музыка, убирается, а эффекты, фоли и фон добавляются с привязкой к действию на экране.

Всё, что идёт ниже о практическом применении, — наши рекомендации. Мы модель сами не запускали и результатов её работы не показываем.

Как это работает

Главное отличие от библиотек звуков и от моделей «текст в звук» — модель смотрит на картинку. Mirelo пишет, что библиотека не видит ваш ролик, поэтому каждый эффект приходится искать, обрезать и выравнивать вручную. SFX 2.0 анализирует видеоряд и сама выбирает, где нужен шаг, удар двери или шум дождя.

Из документации на fal видно, какие настройки доступны:

• Текстовая подсказка — необязательна, до 2000 символов. С её помощью можно указать звуки, которых нет в кадре, например гул за стеной.
• Негативная подсказка — до 1000 символов, список звуков, которых быть не должно.
• Сохранение речи — по умолчанию включено: речь из исходного ролика остаётся, остальное генерируется вокруг неё.
• Длительность — от 1 до 600 секунд. Всё, что длиннее десяти секунд, строится перекрывающимися окнами по десять секунд.
• Число вариантов — от 1 до 4, по умолчанию 2.
• Формат звука — wav по умолчанию, также mp3, aac и flac.

Mirelo заявляет, что для полного монтажа достаточно одного прохода, а звук остаётся согласованным между склейками, до 10 минут. Это заявление разработчика, а не результат нашего теста.

Что меняется для клипа

Раньше звук к ИИ-видео приходилось выбирать заранее: многие видеомодели генерируют кадр сразу со звуком, а менять его без перегенерации картинки нельзя. Mirelo называет это медленным и дорогим и предлагает другую очерёдность: сначала довести до конца картинку и монтаж, потом заняться звуком.

Для музыкального клипа есть нюанс. Музыка обычно уже есть — это сама песня, и поверх неё нужны только акценты: шаги, шорох одежды, шум города, щелчок зажигалки. Такие мелкие звуки делают сцену живой, но не должны перебивать трек. Разумно давать модели короткие фрагменты без трека, а вокал и музыку собирать отдельно в видеоредакторе.

Ещё один сценарий — сшивка нескольких сгенерированных роликов. Если каждый кусок пришёл со своей музыкой, получается «окрошка». Модель, которая убирает лишнюю музыку и оставляет речь, помогает выровнять звук. О том, как склеивать серию кадров, читайте в статьях про Kling 4.0 и про раскадровку клипа.

Рабочий процесс

1. Закончите монтаж картинки. Звук лучше накладывать на финальные склейки, иначе придётся переделывать.
2. Решите, что оставить. Если в ролике есть нужная речь, включите её сохранение. Если нужны только эффекты, отключите.
3. Дайте короткую подсказку. Назовите то, чего нет в кадре, и то, что должно звучать громче всего.
4. Запросите 2–3 варианта. Разница между ними бывает заметной, а выбор дешевле, чем перегенерация.
5. Прослушайте в наушниках. Проверьте, совпадают ли удары с движением и нет ли чужой музыки в фоне.
6. Сведите с песней. Эффекты — на отдельную дорожку и приглушите так, чтобы вокал оставался главным.

Примеры текстовых подсказок

Нажмите «Скопировать» и подставьте свои детали. Подсказки пишем на английском — так надёжнее для большинства моделей, но проверяйте на своём примере.

Rainy night street, soft footsteps on wet asphalt, distant traffic hum, neon sign buzz, light cloth rustle. Keep effects subtle so a song can play on top.

Add off-screen ambience: low city rumble, a train passing far away, occasional wind gusts. Emphasise the door slam at the cut to the chorus.

Negative: music, singing, laughter, crowd cheering, vinyl crackle.

Цена и доступ

По официальному посту, модель доступна в редакторе Mirelo, в песочнице, через API и MCP, а также на платформах Runway и fal. Для Adobe Premiere Pro и DaVinci Resolve есть плагины, плагин для Roblox обозначен как «скоро». Студия и API поддерживают ролики до 10 минут, а неограниченная длительность возможна по запросу на корпоративном тарифе.

В описании на fal указано: вводная цена 0,010 доллара за секунду с 14 октября по 13 декабря 2026 года, стандартная — 0,015 доллара за секунду с 14 декабря. Оплата считается за секунды созданного звука с учётом числа вариантов: два образца по десять секунд — это двадцать секунд. На странице тарифов Mirelo срок скидки указан до 12 декабря, поэтому проверяйте актуальные условия там, где собираетесь запускать.

Ограничения

• Результаты слепых тестов, которыми Mirelo подкрепляет заявления (например, 81 % против Sony Woosh), — собственные цифры компании. В тесте участвовали 25 оценщиков на каждое сравнение и 30 видео; независимой проверки мы не видели.
• Звук подбирается по картинке. Если кадр неясный или слишком тёмный, эффекты могут не совпасть.
• Режим «стем», который создаёт один звук за раз для послойного контроля, пока значится как «скоро».
• Права на видео и музыку остаются на вас: модель не снимает вопросов лицензии на загруженный материал.
• Mirelo не подключена к AI Music. Мы не обещаем интеграции.

Частые вопросы