Mirelo SFX 2.0 Audio

Comment Mirelo SFX 2.0 Audio lit un prompt

Mirelo SFX 2.0 Audio fonctionne de deux façons, et Endless en choisit une selon ce que vous lui donnez :

• À partir d’une description : écrivez le son et choisissez une durée.
• À partir d’une vidéo : joignez un clip et il génère une bande sonore synchronisée avec ce qui se passe à l’écran, aussi longue que le clip.

Dans les deux cas, vous recevez le son sous forme de fichier audio à part, à superposer, modifier ou réutiliser. Si vous voulez récupérer la vidéo avec le son déjà mixé, utilisez Mirelo SFX 2.0.

Le guide ComfyUI pour le modèle de Mirelo recommande des noms concrets plutôt que des mots d’ambiance : nommez la source du son, la matière, l’espace et l’intensité ou la proximité. Les exemples des endpoints de Mirelo sont courts et littéraux : « Heavy rain on a metal roof with distant thunder », « Heavy wooden door creaking open in an empty hall », « Sharp knife chop on a wooden cutting board, close mic ».

Une structure qui fonctionne pour presque tous les sons :

Source and action, material or surface, space, distance or intensity
Footsteps on wet gravel, slow pace, empty parking lot, close mic

(Source et action, matière ou surface, espace, distance ou intensité.)

Écrivez le prompt en anglais, comme tous les exemples documentés. C’est pourquoi les prompts de cette page sont en anglais.

Son à partir d’une description

Ajustez la Durée à l’événement. Un claquement de porte demande une ou deux secondes ; un bruit de fond ou une nappe d’ambiance peut durer jusqu’à 10 minutes. Le guide suggère de ne changer qu’une chose à la fois d’un essai à l’autre : d’abord la matière, puis l’espace, puis l’intensité.

Son pour une vidéo

Avec une vidéo jointe, le prompt est facultatif. Le guide ComfyUI recommande de commencer avec un prompt vide, car l’image définit ce que l’on entend et quand. Ajoutez une ligne seulement pour les sons que l’image ne montre pas, comme des sirènes hors champ ou une nappe d’ambiance, ou pour mettre une couche en avant.

Conserver la voix décide du sort des dialogues déjà présents dans le clip. Activé, ce qui est le cas par défaut, il conserve la voix et construit le reste de la bande sonore autour. Désactivé, il génère uniquement des effets sonores et supprime la voix. Les clips peuvent durer de 1 seconde à 10 minutes.

Prompt négatif

Listez les sons à exclure sous forme d’une courte liste séparée par des virgules : « music, voices », « music, crowd noise », « wind ». C’est le moyen d’empêcher le modèle d’ajouter un fond musical que vous n’avez pas demandé. Si vous voulez garder les dialogues d’une vidéo, ne mettez pas « voices » ni « speech » dans le prompt négatif ; utilisez Conserver la voix.

Réglages importants

• Prompt : jusqu’à 2 000 caractères. Obligatoire sans vidéo, facultatif avec une vidéo.
• Vidéo : facultative, de 1 seconde à 10 minutes.
• Durée : de 1 à 600 secondes, 10 par défaut. Masquée quand une vidéo est jointe, car le son dure autant que le clip.
• Prompt négatif : jusqu’à 1 000 caractères.
• Conserver la voix : activé par défaut, visible uniquement quand une vidéo est jointe.

Chaque exécution renvoie un fichier audio.

Problèmes fréquents

• De la musique apparaît sous les effets. Ajoutez « music » au prompt négatif.
• Le résultat est vague ou générique. Soyez plus littéral : nommez la matière, la surface et l’espace, et ajoutez « close mic » pour plus de détail.
• Les dialogues du clip ont disparu. Réactivez Conserver la voix et retirez « voices » du prompt négatif.
• Un son hors champ est absent. Le modèle n’entend que ce qu’il voit. Nommez le son dans le prompt.
• Le son est coupé trop tôt ou dure trop longtemps. Sans vidéo, réglez la Durée sur celle de l’événement.
• Deux exécutions sonnent différemment. Générez plusieurs fois et gardez la meilleure prise.