Explicación del modelo
¿Qué es MMAudio? Es un modelo de investigación que genera audio a partir de vídeo, texto o ambos. Puede proponer sonidos para acciones visibles, pero su resultado es generado, no una grabación de lo que ocurrió durante el rodaje.
Lectura de 4 min
MMAudio es un modelo multimodal de generación de audio: utiliza información visual, instrucciones escritas o ambas para producir una banda sonora.
La definición es un punto de partida; estas páginas abordan formas concretas de explorar el modelo y sus resultados.
Una banda sonora generada que resulte verosímil no demuestra que un acontecimiento produjera esos sonidos y, por defecto, tampoco es una mezcla final.
MMAudio genera una nueva interpretación de una escena. No reconstruye la señal de micrófono que se habría captado durante el rodaje.
Alternativa
Utiliza el audio original de la producción cuando la autenticidad sea importante y considera el sonido generado como una opción creativa.
Un resultado puede sugerir la acción correcta, pero colocar un sonido transitorio demasiado pronto o demasiado tarde. Los pequeños errores de sincronización se notan especialmente en los impactos y los cortes.
Solución alternativa
Escucha junto con la imagen y ajusta la sincronización o reemplaza el efecto inadecuado.
El audio generado puede contener texturas de fondo, fuentes ambiguas o sonidos que entren en conflicto con el diálogo y la música.
Solución alternativa
Revisa la pista en contexto y, después, recórtala, añade capas o mézclala con un editor de audio.
El flujo de trabajo separa la información proporcionada al modelo del audio que predice.
Empieza con un video, una descripción de texto o ambos, según el flujo de trabajo disponible. El video proporciona eventos visuales y movimiento; el texto puede especificar una fuente sonora o definir el carácter deseado del resultado.
Mmaudio predice un audio que se ajusta a las condiciones proporcionadas. En la generación guiada por video, el objetivo es producir sonidos asociados con lo que aparece en pantalla, no transcribir una pista original oculta.
Reproduce el resultado junto con la imagen. Comprueba si los eventos ocurren en los momentos adecuados, si el sonido encaja en el espacio representado y si otra descripción o una edición convencional funcionarían mejor.
Su valor reside en proponer rápidamente sonidos relacionados con la escena para evaluar distintas direcciones creativas; el criterio editorial sigue siendo esencial.
Un clip con movimiento visible puede proporcionar contexto para una banda sonora candidata. Esto resulta útil al probar cómo podría sentirse una acción con sonido, pero el resultado aún debe comprobarse con cada evento visible.
Una descripción puede comunicar una fuente, una acción y un entorno sin necesidad de metraje. Esto hace que la generación condicionada por texto sea relevante para la exploración sonora inicial, aunque la redacción no siempre determine cada detalle audible.
Combinar video y texto puede proporcionar al modelo tanto contexto visual como indicaciones escritas. Por ejemplo, la imagen puede mostrar movimiento mientras la descripción enfatiza un material o una atmósfera determinados.
El flujo de trabajo adecuado depende de si el objetivo es explorar, colocar un efecto con precisión o conservar un registro fiel.
Elige esta opción cuando
Prueba una propuesta de audio guiada por video y luego revísala en la línea de tiempo.
MMAudio puede sugerir sonidos relacionados con la escena, mientras que el editor puede evaluar si cada evento y transición funciona en el montaje final.
Elige esta opción cuando
Compara las propuestas generadas con un efecto editado o una grabación adecuada.
Puede ser más fácil colocar y controlar una señal sonora puntual en un editor de audio que una banda sonora generada completa.
Elige esta opción cuando
Usa grabaciones verificadas, en lugar de audio generado, como prueba de lo ocurrido.
MMAudio produce sonidos plausibles; no puede determinar qué se oyó realmente en el lugar de la filmación.
Si quieres explorar herramientas de generación de audio, sigue el enlace y consulta las capacidades y condiciones de acceso actuales del sitio de destino antes de empezar. Conserva el video original y revisa cualquier resultado generado en función del uso que tengas previsto.
Explora herramientas de audioMMAudio es un modelo de investigación que genera audio a partir de video, texto o ambos. Está diseñado para producir sonido relacionado con la escena o descripción proporcionada, no para recuperar el audio original grabado de una escena.
La generación guiada por video puede producir una propuesta de banda sonora para imágenes que no tienen audio utilizable. El resultado debe revisarse junto con la imagen, especialmente cuando los impactos, los pasos o los cambios de escena hacen evidente la sincronización.
No. Una biblioteca ofrece grabaciones existentes o efectos diseñados para seleccionarlos y colocarlos, mientras que MMAudio genera una nueva opción de audio a partir de las condiciones proporcionadas. Un editor puede preferir una biblioteca cuando necesita un sonido preciso y reproducible.
No. El audio generado es una interpretación, aunque suene convincente y parezca coincidir con la acción. Para hacer afirmaciones sobre lo ocurrido en un evento, utiliza grabaciones documentadas y otras pruebas fiables.