Dźwięk jest już gotowy: wideo AI bez osobnej obróbki audio

Kto robił krótkie wideo, wie, że wideo to dopiero pierwsza połowa. Potem przychodzi druga: wyeksportować, otworzyć program montażowy, poszukać muzyki, która pasuje i którą wolno użyć, wytropić parę efektów, ustawić je względem obrazu, odkryć, że timing lekko się rozjeżdża, poprawić, wyeksportować jeszcze raz. Regularnie zajmuje to więcej czasu niż zrobienie samego materiału.

Tutaj tej połowy nie ma. Klip z Fellowi Video wraca z dźwiękiem już w środku, zrobionym w tym samym czasie co obraz i do tej samej sceny.

Co faktycznie przychodzi

Jeden plik MP4, ze ścieżką wideo i audio już połączonymi w środku. Nie wideo i osobna ścieżka do dopasowania, nie zestaw stemów do zmiksowania. Jeden plik, który odtwarza się z dźwiękiem w każdym odtwarzaczu, wgrywa na każdą platformę i wysyła komukolwiek bez instrukcji.

Przełącznik w studiu jest domyślnie włączony i nie zmienia ceny. Koszt to model razy rozdzielczość razy długość; dźwięku w tej arytmetyce nie ma nigdzie. Cztery sekundy 720p turbo kosztują 500 monet z dźwiękiem i 500 monet bez, więc zostawienie go jest darmowe, a wyłączenie niczego nie oszczędza.

Warto powiedzieć wprost, bo odruch z innych narzędzi każe zakładać co innego: nie ma osobnych kredytów na audio, nie ma osobnego kroku generowania dźwięku, na który trzeba czekać, i nie ma drugiego renderu.

Prompt jest konsoletą

Skoro dźwięk powstaje do tej samej sceny, steruje nim to samo zdanie. Nasz przewodnik po promptach wideo stawia dźwięk jako piątą rzecz, na którą odpowiada dobry prompt, i właśnie dlatego: fraza o tym, co ma być słychać, jest warta tyle samo co fraza o tym, co się rusza.

Nie powiesz nic, a model dobierze coś wiarygodnego dla sceny, co często jest w porządku, a czasem nie tym, co miałeś na myśli. Powiesz jedną rzecz, a zwykle posłucha:

• „rain against the window, muffled traffic below”
• „a quiet room, a clock ticking, nothing else”
• „wind through pines, distant water”
• „low ambient music, no percussion”
• „a busy cafe behind her, cups and conversation, no music”

Dwa nawyki warto przenieść ze strony obrazu. Nazywaj jedno, nie pięć: pejzaż dźwiękowy ma ten sam budżet uwagi co obraz, a lista sześciu dźwięków da mętną średnią ze wszystkich. I nazywaj brak, kiedy ma znaczenie, bo „no music” i „nothing else” to rzadkie przypadki, w których mówienie o niechcianym działa: cisza jest realnym stanem ścieżki, a nie obiektem, który trzeba narysować.

Kiedy wyłączyć

Są trzy uczciwe przypadki i żaden nie dotyczy jakości.

Sam robisz udźwiękowienie. Jeśli klip wchodzi w montaż z własną muzyką, wygenerowane tło będzie się tylko bić z wybraną ścieżką. Wyłącz i trzymaj oś czasu czystą.

Potrzebujesz konkretnej muzyki. Dźwiękowa tożsamość marki, licencjonowany utwór, piosenka, wokół której zbudowany jest materiał. Nic wygenerowanego nie zastąpi konkretnego nagrania i nie powinno próbować.

Nikt tego nie usłyszy. Pionowe wideo w mediach społecznościowych odtwarza się bez dźwięku, a większość widzów nigdy go nie włącza. Nasz wpis o pionowym wideo do social mediów mówi to samo z drugiej strony: jeśli pierwsza sekunda musi działać w ciszy, wydaj prompt na ruch, a nie na brzmienie.

Czego to nie zastępuje

Traktuj to, co wraca, jako własne brzmienie sceny, a nie jako aktora pracującego z twoim tekstem. Jeśli klip zależy od dokładnych słów w dokładnych momentach albo od cięcia padającego równo na uderzenie, to wciąż robisz w programie montażowym i słusznie. Uczciwy opis tej funkcji brzmi: usuwa rutynową połowę pracy z dźwiękiem, nie całą.

Usuwa jednak jej większość. Dla ogromnej liczby klipów, które muszą po prostu nie być nieme, krok kosztujący godzinę teraz nie kosztuje nic i dzieje się, kiedy nie patrzysz.

Dają go obie drogi: opisać scenę od zera tekstem albo ożywić kadr, który już masz. Jeśli nie wiesz, czego chcesz, porównanie rozstrzyga to jednym zdaniem. Pełny zestaw pokręteł, w tym cztery modele i długości do trzydziestu sekund, jest we wpisie o panelu sterowania. Tak czy inaczej, odtwórz wynik z podniesioną głośnością, zanim zdecydujesz cokolwiek zmieniać.