Efeitos sonoros para vídeo
Gere efeitos sonoros, foley e ambiência que acompanham a ação de um vídeo, com um prompt opcional. O novo som substitui a faixa de áudio original do vídeo.
O nó Efeitos sonoros para vídeo gera som para um vídeo: efeitos sonoros, foley e ambiência que acompanham o que acontece na tela. Ele assiste ao clipe, lê o seu prompt opcional e retorna um MP4 com o som gerado. O nó executa o modelo MMAudio.
O novo som substitui a faixa de áudio
O Efeitos sonoros para vídeo descarta o som original do vídeo. Para manter também o som original, conecte o resultado e o áudio original, por exemplo do Extrair áudio, ao Mesclar vídeo e áudio.
Quando usar
- Adicione foley ou ambiência a um vídeo gerado sem som.
- Gere som ambiente de sala, sons de clima ou outros sons do ambiente para um clipe cinematográfico curto.
- Produza vários takes alternativos do som em uma execução e fique com o melhor.
- Monte uma trilha sonora em camadas, com os efeitos deste nó e o diálogo ou a música de outros nós.
Para criar um efeito sonoro só a partir de uma descrição em texto, sem vídeo, use o Texto para áudio.
Início rápido
Adicionar o nó
Pressione Tab no canvas e escolha Vídeo › Som para vídeo › Efeitos sonoros para vídeo.
Conectar o vídeo
Conecte o clipe à entrada Vídeo. Clipes MP4, MOV e WebM de até 300 segundos funcionam.
Descrever o som
Digite o som no prompt, por exemplo rain on a metal roof. Deixe o prompt em branco para um foley guiado só pelo vídeo.
Executar
Clique em Executar no nó. O vídeo com o novo som aparece no nó.
Entradas
| Entrada | Aceita | O que faz |
|---|---|---|
| Vídeo | Nós de vídeo, como Gerar vídeo e Enviar vídeo | O clipe que precisa de som. Obrigatória. MP4 (H.264), MOV ou WebM, de até 300 segundos. |
| Prompt | Nós de texto, como Texto e Gerar texto - qualquer LLM | O som a gerar. Um prompt conectado substitui o prompt digitado no painel de configurações. |
| Negativo | Nós de texto | Sons a excluir. |
A saída, Vídeo, é um MP4 com o som gerado. O som original é descartado.
Configurações
| Configuração | O que faz |
|---|---|
| Prompt | O som que você quer, por exemplo footsteps on dry leaves, rain on a metal roof ou engine revving. Deixe em branco para um foley guiado só pelo vídeo. |
| Prompt negativo | Sons a excluir. O padrão é music, que mantém o resultado sem música. Limpe o campo se quiser música como som. |
| Versões | Quantos takes gerar em uma execução, de 1 a 4. Cada versão usa uma seed diferente, e o custo aumenta a cada versão. Uma execução de workflow gera uma versão. |
| Intensidade do CFG | Em Avançado. O quanto o modelo segue o prompt, de 1 (livre) a 10 (rígido). O padrão é 4,5. |
| Passos de inferência | Em Avançado. De 10 (rápido) a 50 (limpo). O padrão é 25. |
| Seed | Em Avançado. Deixe em branco, ou digite -1, para uma seed aleatória. A mesma seed e as mesmas entradas dão o mesmo resultado. Com várias versões, cada versão soma o próprio número à seed, então cada take é repetível e diferente. |
| Texto antes e depois | Texto que é sempre adicionado antes e depois do prompt. Ele fica oculto para quem usa o seu workflow como app. Veja Texto antes e depois do prompt. |
Créditos
O preço depende da duração do vídeo de entrada, arredondada para cima até uma faixa, e do número de versões. O Nodaro mede o vídeo quando a execução começa, e o som cobre o clipe inteiro. Um clipe que mede até 0,05 segundo além da duração de uma faixa é cobrado nessa faixa, então um corte de 30 segundos que mede 30,016 segundos tem o preço de 30 segundos. Uma gravação cujo cabeçalho não informa duração, como uma feita por um navegador, é medida por inteiro.
| Duração do vídeo | Créditos por versão |
|---|---|
| Até 8 segundos | 11 |
| Até 15 segundos | 11 |
| Até 30 segundos | 22 |
| Até 60 segundos | 33 |
| Até 120 segundos | 55 |
| Até 300 segundos | 121 |
O total é o preço por versão vezes o número de versões. Por exemplo, um clipe de 12 segundos com 1 versão custa 11 créditos, um clipe de 31 segundos custa 33 créditos, e um clipe de 60 segundos com 4 versões custa 132 créditos.
Uma execução pelo botão Executar do nó, uma execução de workflow e uma chamada pela API são todas cobradas assim. Em uma execução de workflow, cada nó Efeitos sonoros para vídeo gera uma versão, então custa o preço de uma versão.
Antes de uma execução, o preço do nó, o botão Executar dele e a estimativa do workflow leem a mesma duração para o vídeo na entrada Vídeo. Isso vale no editor, em POST /v1/credits/estimate-workflow e no MCP.
- Um vídeo que outro nó faz nesta execução é lido pela duração que esse nó vai produzir com as configurações dele. Uma geração conta a duração que o modelo dela renderiza, e Automático conta o clipe mais longo. Um Estender vídeo conta a origem mais os segundos que ele acrescenta. Um Cortar vídeo, Vídeo em loop ou Combinar vídeos conta a duração que repassa.
- Cada clipe feito no caminho acrescenta cerca de um décimo de segundo. Um clipe gerado tem um quadro ou uma faixa de áudio que passa um pouco da duração planejada. A execução mede o arquivo inteiro, e qualquer segundo iniciado conta. Por exemplo, uma geração definida para 15 segundos é cotada pelo preço de 30 segundos, 22 créditos por versão, porque um clipe que sai mais de 0,05 segundo além de 15 segundos é cobrado por esse preço. Uma Dublagem, um Extrator de voz ou uma extensão do PixVerse V6 acrescenta um quarto de segundo no lugar disso, porque os arquivos deles passam mais da duração planejada.
- Um nó que não é executado nesta execução, como o Efeitos sonoros para vídeo executado sozinho ou um nó congelado, passa adiante o resultado que já tem. Esse resultado é lido pela duração registrada para ele. Uma geração de vídeo cujo resultado não registrou duração é lida pela Duração dela, como um clipe feito nesta execução.
- Um clipe enviado, ou um clipe adicionado a partir dos seus próprios envios na Biblioteca, é lido pela duração medida quando ele foi enviado.
- Uma duração que o nó anterior só guarda, como um resultado anterior de um nó que é executado de novo, nunca é lida.
- Um vídeo renderizado pelo Aplicar EDL é lido pela duração estimada da renderização, no máximo o preço de 300 segundos. Isso também vale através de um nó que mantém a duração da renderização, como o episódio legendado de um Enxugar episódio. Um trailer cortado pelo Plano de edição no modo Trailer é estimado em 40 segundos, o trailer mais longo que o plano corta, então mostra o preço de 60 segundos.
Quando nenhuma duração é conhecida ainda, eles mostram o preço de 300 segundos, 121 créditos por versão, que é o máximo que uma execução pode cobrar. Isso acontece quando nada está conectado, em uma extensão do VEO ou do Runway, em um link de vídeo e em um vídeo da Biblioteca cuja duração não foi registrada. A execução então cobra o preço da duração que ela mede.
O preço que um app publicado ou um template lista segue as mesmas durações. Em uma gravação que o usuário do app substitui, ou em uma saída de Cortar vídeo, Vídeo em loop ou Combinar vídeos cuja duração segue uma gravação assim, o preço listado é o preço de 300 segundos: 121 créditos por versão. Um vídeo mais longo é recusado, então nenhuma execução custa mais que o preço listado. Em um trailer que o Plano de edição corta no modo Trailer, o preço listado é o preço de 60 segundos, porque um trailer é estimado em 40 segundos. Em um vídeo que outro nó faz, como uma geração, uma extensão ou uma sincronização labial, o preço listado segue a duração que esse nó vai produzir, no máximo o preço de 300 segundos. Por exemplo, uma geração de 30 segundos é listada pelo preço de 60 segundos, 33 créditos por versão.
Um vídeo cuja duração não pode ser lida é recusado antes de qualquer cobrança. Um link cujo host está inacessível no momento, uma leitura que esgota o tempo, ou um vídeo que o servidor não conseguiu ler naquele momento recebe um 503, e você pode executá-lo de novo. Um arquivo que não pode ser lido, ou que não é um arquivo de mídia comum, recebe um 400. Nenhuma duração substituta é cobrada. Um link para uma playlist de transmissão contínua (HLS ou DASH) é recusado da mesma forma. Veja Links de mídia.
Limites
- Formatos: MP4 (H.264), MOV e WebM.
- Duração: até 300 segundos. Um vídeo mais longo é recusado com o erro
video_duration_exceeds_limit. Um vídeo até 0,05 segundo mais longo, o que um corte de 5 minutos pode medir, é aceito pelo preço de 300 segundos, de 121 créditos por versão. O arquivo é cortado nos primeiros 300 segundos antes de ser enviado, sem recodificação. Se o arquivo não puder ser medido de novo nem cortado, ele é enviado inteiro. - Versões: até 4 por execução.
- Resolução: recomenda-se até 1080p. Vídeos maiores não foram testados e levam mais tempo para processar.
Dicas
- Descreva o som, não a cena.
crackling firefunciona melhor do quecampfire scene. - Teste com clipes curtos. Um clipe de até 15 segundos custa o mesmo que um clipe de 8 segundos, então itere com clipes curtos.
- Monte o som em camadas. Para efeitos sobre música, gere os efeitos aqui e depois misture a música com o Mesclar vídeo e áudio ou o Mixar áudio.
- Fixe a seed para comparar prompts. Com uma Seed fixa, a única mudança entre duas execuções é o seu prompt.
Perguntas frequentes
O “Efeitos sonoros para vídeo” mantém o som original do meu vídeo?
Não. O som gerado substitui a faixa de áudio do vídeo. Para manter os dois, conecte o resultado e o áudio original, por exemplo do “Extrair áudio”, ao “Mesclar vídeo e áudio”.
Preciso escrever um prompt?
Não. Deixe o prompt em branco, e o modelo cria um foley guiado só pelo vídeo. Um prompt como “chuva num telhado de metal” direciona o modelo para um som específico.
O “Efeitos sonoros para vídeo” gera música?
Só se você limpar o “Prompt negativo”, que é “music” por padrão. O padrão mantém o resultado sem música, então o nó produz apenas efeitos sonoros.
Qual pode ser a duração do vídeo?
Até 300 segundos, ou seja, 5 minutos. Um vídeo mais longo é recusado antes da execução. A resolução recomendada é de até 1080p.
Quanto custa o “Efeitos sonoros para vídeo”?
O preço depende da duração do vídeo e do número de versões. Uma versão custa 11 créditos para um clipe de até 15 segundos e 121 créditos para um clipe de até 300 segundos.
Páginas relacionadas
Mesclar vídeo e áudio
Texto para áudio
Mixar áudio
Extrair áudio
Gerar vídeo
Última atualização
Layout de locutores
Enquadre a gravação inteira de um podcast ou entrevista por falante em um nó, sem cortar nada. Com várias câmeras, cada falante aparece na própria câmera.
Mesclar vídeo e áudio
Adicione narração, música ou efeitos sonoros a um vídeo. Defina o volume e o início de cada faixa e mantenha, abaixe ou silencie o som original do vídeo.