Magsimula

Paano Magdisenyo ng Musika para sa AI Short Film? Mula sa mga Story Beat hanggang sa Paggamit ng Seed Audio

Alamin kung paano gumawa ng musika at voiceover para sa AI short film gamit ang Seed Audio: pagsulat ng prompt, ducking, maraming karakter, at pag-e-edit ng audio track.

Ang musika at voiceover ang nagbibigay-buhay sa isang AI short film. Nakagagawa na ang mga video model ng larawan at tunog nang sabay, ngunit hindi sila mga tool na nakatuon sa pagbuo ng audio. Kung nais mong mas mapaganda pa ang kalidad ng iyong pelikula, kakailanganin mong gumamit ng hiwalay na audio generation model. Sa artikulong ito, gagamitin nating halimbawa ang Seed Audio upang ipakita kung paano gumawa ng mga eksklusibong audio clip para sa iyong pelikula.

Pakinggan muna ang isang halimbawa ng scene audio mula sa model page ng Seed Audio:

Pinagsasama ng audio na ito ang spatial reverb ng boses, malinaw na emosyonal na pagganap, at background music. Habang nakikinig, pansinin kung paano nagtatagal ang dulo ng mga salita, kung paano nagbabago ang tono, at kung paano sumasabay ang musika sa pag-arte. Ang mga detalyeng ito ang mahalagang pakinisin kapag hiwalay na nagdidisenyo ng tunog para sa mahahalagang eksena.

Tapusin muna ang visuals, piliin ang mga eksenang kailangang palakasin, pagkatapos ay buuin ang tunog, ibalik ito sa shot para pakinggan, at sa huli ay i-edit.

Part 01|Mga Sitwasyon sa Paggamit ng Seed Audio

Kayang bumuo ng tunog ng mga video model kasabay ng pagbuo ng video, ngunit ang emosyonal na pagganap ng mahahalagang diyalogo, mga banayad na paghinto, at ang koordinasyon sa pagitan ng background sound at ng mga karakter ay maaaring hindi umabot sa epektong kailangan ng eksena. Kapag maganda na ang video ngunit kulang sa dating ang diyalogo, o hindi ma-adjust ang background sound sa antas na kailangan mo, sulit na hiwalay na palakasin ang tunog.

Ang mga video prompt ay pangunahing ginagamit upang ilarawan ang eksena, kilos, galaw ng camera, at framing, kaya limitado lang ang espasyong mailalaan para sa tunog. Para sa mga bahaging nangangailangan ng matinding pagganap, kapag pinal na ang video, maaari itong ipaubaya sa isang audio generation model tulad ng Seed Audio upang nakatuong ilarawan kung paano bibigkasin ang mga linya, paano sasabay ang background, at paano tatakbo ang ritmo.

Ano ang Kailangang PalakasinAno ang Maaaring Partikular na Idisenyo
Mahahalagang linya at emosyonKung ang parehong pangungusap ay may himig ng paghingi ng tawad, pag-aalinlangan, o pagkagulat; saan ang diin, at gaano katagal ang paghinto bago at pagkatapos magsalita
Koordinasyon ng boses at backgroundPaghina ng musika kapag nagsasalita ang karakter, at muling paglakas pagkatapos ng sandaling katahimikan sa dulo ng linya; pananatili ng mga yabag at hangin sa background
Mga partikular na tunog sa eksenaMga yabag mula sa labas ng frame, pagkatok sa pinto, tunog ng makina, o solo ng isang partikular na instrumento, paraan ng pagtugtog, at timbre
Pagbabago ng emosyonParehong video, ngunit gumagamit ng mainit, malungkot, o mapanganib na tunog upang baguhin ang pag-unawa ng manonood sa pagtatagpo

Tukuyin muna ang mga linya at ugnayan ng diyalogo sa yugto ng paggawa ng video, pagkatapos ay palakasin ang tunog para sa mga napiling clip; sa ganitong paraan, magagamit mo pa rin ang video na kuntento ka na. Kung may angkop nang orihinal na audio, panatilihin ito; kapag nagpapalit ng diyalogo, suriin ang haba at buka ng bibig (lip-sync), at iwasang magpatong ang luma at bagong diyalogo.

Ang tatlong musikang ito ay hiwa-hiwalay na binuo at inilagay sa ilalim ng parehong limang-segundong video para sa paghahambing. Narito ang tatlong aktwal na prompt na ginamit sa pinal na video:

WARMTH: Mainit na major-key piano at banayad na strings, na nagbibigay-tugon sa paghihintay.

Create a five-second instrumental film-music cue for a quiet reunion at an old European railway station. Begin immediately with gentle, sparse piano in a warm major harmony. Around the middle, a soft sustained string chord opens with a little hope, as a waiting woman notices someone arriving offscreen. End softly and reassuringly. Intimate and restrained, no big climax. Music only: no speech, narration, singing, voices, station ambience, sound effects or percussion. Do not read the instructions aloud.

SORROW: Cello, pababang minor-key melody, at bitin na pagtatapos, na nagbibigay ng himig ng panghihinayang sa pagtatagpo.

Create a five-second instrumental film score that immediately conveys grief and a painful reunion. Start at once with an expressive solo cello playing a clearly descending minor-key melody, supported by dark sustained violas. Let the melody fall and linger as if someone realizes a loved relationship is lost. Strongly sorrowful and emotionally exposed, intimate rather than epic. No cheerful or comforting resolution. Keep the music clearly audible throughout, ending with an unresolved sustained note. Music only. No speech, singing, voices, piano, ambience or sound effects.

DANGER: Paulit-ulit na mababang nota, pulso, dissonant strings, at katahimikan sa dulo, na nagpapamukhang mapanganib sa paparating mula sa labas ng frame.

Create a five-second instrumental psychological-thriller score with unmistakable immediate danger. From the very first moment, use a tight repeating low-string ostinato and a deep controlled bass pulse. Add close, tense dissonant high strings, building rapidly in density as someone threatening approaches offscreen. Make the tension clear and urgent rather than faint background atmosphere. During the final half-second abruptly cut the music to silence. No jump-scare impact. Music only. No speech, singing, voices, gentle piano, warm harmony, ambience or literal sound effects.

May 0.75-segundong title card bago ang bawat clip, at ang buong paghahambing ay humigit-kumulang 17.25 segundo. Habang nakikinig, pansinin kung paano binigyang-kahulugan ng tatlong musika ang parehong kilos ng pag-angat ng tingin bilang kapanatagan, panghihinayang, at pagkaalerto.

Part 02|Paano Magsulat ng mga Prompt sa Seed Audio

Sa pagsusulat ng audio prompt, kailangang linawin ang tatlong bagay: ano ang sinasabi, ano ang tunog nito, at kailan ito nangyayari.

Nagbibigay ang dokumentasyon ng audio generation API ng isang halimbawa ng suspenseful na diyalogo: binubuksan ng pag-vibrate ng telepono ang eksena, patuloy ang huni ng mga ibon sa background, at ang marimba na sinamahan ng mga electronic na tunog ay bumubuo ng tensyon; dalawang lalaki ang salitang nagsasalita, at sa huli ay pinapausad ng tunog ng sasakyan at mga yabag ang aksyon. Isinusulat nito ang mga karakter, musika, at mga sound event sa iisang prompt.

Elemento ng PromptPaano Ito Tinatrato sa Halimbawa ng DokumentasyonAno ang Ilalagay Kapag Nagsusulat ng Sariling Clip
Nilalaman: Sino ang nagsasabi ng anoTinutukoy nang hiwalay ang mga linya at pagkakasunod-sunod ng pagsasalita ng dalawang lalakiPangalan ng karakter, eksaktong linya bawat salita, wika, at kung may sasagot
Tunog: Paano ito naririnigPinag-iiba ang malalim at buong boses sa paos at may-edad na boses ng lalaki, tinutukoy ang punto (accent); nililinaw ang pangunahing instrumento at saliwTimbre, tono, distansya ng karakter, kapaligiran at mga instrumento; iwasang isulat lang ang "cinematic"
Ritmo: Paano ito umuusadNauuna ang hudyat na sound effect bago ang diyalogo; ang pagtatanong at pagpapaliwanag ay nagtutulak sa pagbabago ng tono, at sinusundan ng tunog ng kilos sa duloTiming ng pagsasalita, bilis ng pananalita, paghinto sa pagitan ng mga pangungusap, pagpasok at paglabas ng background sound

Gamit ang muling pagtatagpo sa istasyon bilang halimbawa, maaari mo munang tukuyin ang: isang eksaktong linya + isang partikular na pagganap + isang malinaw na pagbabago sa tunog. Ang lalaki sa labas ng frame ay magsasabi lamang ng "You waited.", gamit ang mahina, pigil na pagiging malapit, at ang pagbukas ng tunog ng piano sa dulo ng linya upang ipakita ang pagtatagpo.

Ang pagkakasunod-sunod ng tunog sa halimbawa sa istasyon ay: banayad na hangin at piano → dalawang mahinang yabag → magsasalita ang lalaki habang nananatiling napakahina ng musika → maikling paghinto → pagbukas ng tunog ng piano.

Ilagay sa panipi ang linya, at tukuyin na hindi sasagot ang babae; ang mga yabag ay dapat mas mahina kaysa sa boses, at walang papasok na anunsyo o tunog ng tren. Isulat muna nang malinaw ang mga ugnayang ito, pagkatapos ay idagdag ang tinatayang oras batay sa haba ng shot; ang mga kinakailangan sa oras ay dapat suriin laban sa nabuong resulta, lalo na ang eksaktong timing ng musika at mga sound effect.

Kung nangangailangan ang clip ng marimba solo, isulat nang malinaw ang instrumento, tekstura ng pagpalo, bilis ng pagtugtog, dami ng nota, at paraan ng pagtatapos. Narito ang isang orihinal na draft prompt na maaaring subukan, ngunit hindi pa nabubuo para mapakinggan:

Create an eight-second solo marimba cue for a quiet, suspenseful scene. Use soft mallets and a warm wooden tone. Begin with sparse, slow notes and clear gaps between them. Gradually make the repeating pattern slightly more insistent, then stop before the final beat and leave a short silence. No voices, drums, synthesizers or other instruments.

Ang ritmo rito ay "madalang → bahagyang papalapit → biglang katahimikan"; ang instrumento, paraan ng pagtugtog, at pagpasok at paglabas ng tunog ay maaaring isa-isang suriin, ngunit kailangan pa ring pakinggan upang mahusgahan kung epektibo ang tekstura at ritmo.

Ang ducking ay ang pagpapahina ng background music kapag nagsasalita ang karakter, at muling pagpapalakas nito pagkatapos ng linya. Para sa isang tahimik na eksena ng muling pagtatagpo, bukod sa pagpapahina ng volume, maaari mo ring gawing mas madalang ang saliw upang manatili sa karakter ang pokus ng pandinig.

Kapag sabay na binubuo ang boses at background gamit ang Seed Audio, isulat ang ugnayang ito sa prompt:

Habang mahinang sinasabi ng lalaki ang "You waited.", nananatiling napakahina ng piano, umaatras sa malayo ang tunog ng hangin, at huminto na ang mga yabag. Mag-iwan ng maikling paghinto pagkatapos ng linya, saka hayaang dahan-dahang lumakas at bumukas ang piano upang saluhin ang reaksyon ng babae.

Huwag lang isulat ang "automatic ducking". Linawin kung sino ang kailangang marinig nang malinaw, anong tunog ang magbibigay-daan, at kailan ito babalik, pagkatapos ay suriin kung nagawa ito ng model. Sa halimbawang ito, ang lahat ng ugnayang ito ay pinoproseso nang sabay sa iisang generation.

Kung may diyalogo na ang video, maaari mo ring kunin ang orihinal na audio bilang sanggunian, at isulat nang malinaw ang timbre, linya, at ritmo na nais mong panatilihin, pati na rin ang tono o ugnayan sa background na kailangang baguhin. Pagkatapos buuin, pakinggan ito habang pinapanood ang video, at palitan ang orihinal na audio track ng kaukulang clip; makikita sa Part 05 ang partikular na paraan ng pag-e-edit.

Ginagamit pa rin ng video ang limang-segundong shot sa istasyon na binuo ng Seedance 2 Fast: nakayuko ang babae habang naghihintay, pagkatapos ay mag-aangat ng tingin sa labas ng frame. Isang pangungusap lang ang sasabihin ng boses ng lalaki, ipinahihiwatig ng mahihinang yabag ang paglapit ng dumarating, at sasaluhin ng piano pagkatapos ng linya ang tahimik na reaksyon ng babae.

Ginamit ng audio na ito ang sumusunod na aktwal na prompt. Humingi ng walong segundo noong binubuo ito upang magbigay ng espasyo para sa mga yabag, paghinto, at pagbukas ng musika bago at pagkatapos ng linya:

Create one complete eight-second cinematic sound scene at a quiet old European railway platform at dusk. Generate dialogue, subtle footsteps, outdoor ambience and piano music together as one coherent scene. At the beginning, a very gentle distant breeze and sparse soft warm piano establish quiet anticipation. Between about 1.0 and 2.1 seconds, exactly two very soft, unhurried shoe footsteps approach offscreen on dry concrete and stop a few feet away. The footsteps are a delicate background detail, much quieter than the speaking voice, never sharp, heavy or dramatic. Around 2.5 seconds, one adult man just offscreen speaks a single short line in natural, clear British English, with quiet surprise and restrained affection: "You waited." Only those two words, only one male speaker. Keep the music very soft around his words so his intimate delivery remains clear. After the line, leave a brief emotional pause with faint breeze. From about 4.8 seconds, let the piano gently open into a warm sustained chord, supporting the woman's silent reaction, then settle quietly at eight seconds. No additional dialogue, no reply, no narration, no singing, no announcements, no loud trains, no impact sounds. Do not speak these directions. Preserve the quiet intimacy of the reunion throughout.

Ang orihinal na audio ay walong segundo, at kinuha ng pinal na clip ang tuloy-tuloy na bahagi mula 1.8 hanggang 6.8 segundo upang ilagay sa limang-segundong video; sa post-production, pantay lang na in-adjust ang kabuuang volume at nagdagdag ng maikling fade-in at fade-out sa simula at dulo, nang walang hiwalay na ipinatong na boses, yabag, o musika, at walang hiwalay na track para sa ducking.

Habang nakikinig, suriin ang tatlong bagay: kung malinaw bang naririnig ang linya, kung sapat bang mahina ang mga yabag, at kung pagkatapos lang ba magsalita saka bumukas ang musika. Kung may hindi nagawa sa mga ito, baguhin ang prompt para sa partikular na puntong iyon at patuloy na gamitin ang kumpirmadong video.

Part 04|Diyalogo ng Maraming Karakter

Kailangang pagtugmain ng mga prompt para sa maraming karakter ang karakter, timbre, kung kanino ang linya, at ang pagkakasunod-sunod ng pagsagot. Gumamit muna ng isang maikling palitan ng diyalogo upang makumpirma ang boses ng dalawang tao bago magdagdag ng iba pang mga linya.

KarakterBoses at PagganapLinya sa Palitang Ito
Alex, lalaki sa labas ng frameMedyo mababa at mainit na boses ng nasa hustong gulang na lalaki, natural na British English, may kaunting pagkagulat“You waited.”
Maya, babae sa loob ng frameMas maliwanag at malambot na boses ng nasa hustong gulang na babae, natural na British English, kalmado at matatag“I said I would.”

Panatilihing pare-pareho ang mga pangalan ng karakter sa buong prompt, at tukuyin kung sino ang nagsasalita sa bawat pangungusap. Isulat nang hiwalay ang timbre at ang pagganap: ang parehong tao ay maaaring magulat muna at pagkatapos ay kumalma, ngunit dapat ay katunog pa rin ng iisang karakter.

Pagkatapos magsalita ni Alex, bigyan si Maya ng kaunting oras para mag-react bago siya pasagutin. Kung nais mong magsalitan sila sa pagsasalita, linawin na walang magpapatong na boses; kung kailangan sa kuwento na may sumabat, ipaliwanag kung sino ang sasabat kanino at saang linya magsisimula. Habang nagsasalita ang dalawa, nananatiling napakahina ng background music at bubukas lamang pagkatapos ng buong palitan ng diyalogo.

Narito ang isang orihinal na halimbawa ng prompt para sa dalawang nagsasalita na hindi pa nabubuo para mapakinggan. Idinagdag nito ang sagot ng babae batay sa halimbawa sa istasyon, at kailangang gamitin kasama ng video na may kaukulang pag-arte:

Create one complete eight-second sound scene at a quiet railway platform. Two adult characters speak in natural British English.

Alex: a warm, low male voice, a few feet offscreen, quietly surprised. Maya: a softer, brighter female voice, nearby, calm and quietly certain.

Begin with faint wind and sparse piano. Alex says only: "You waited." After he finishes, leave a brief pause for Maya's reaction. Maya then replies only: "I said I would." Keep each voice distinct and consistent. Speak only the quoted dialogue; do not read the character names or instructions. No overlapping dialogue or extra speakers. Keep the piano very quiet during both lines. Let it open gently only after Maya finishes, leaving room for the final reaction.

Huwag munang tingnan ang video at pakinggan kung makikilala ang pagkakaiba ng dalawang karakter; pagkatapos ay ihambing sa shot upang suriin kung nagkapalit ang mga linya, kung may nadagdag na pangungusap, kung sapat ang mga paghinto, at kung tugma ang buka ng bibig.

Kung magkaroon ng pagkalito sa timbre o pagkakapalit ng nagsasalita sa ilang magkakasunod na palitan ng diyalogo, maaari mo munang paikliin ang generation sa isang tanong-at-sagot, at pagkatapos ay iproseso nang hiwa-hiwalay ang mga susunod na diyalogo. Gamitin muli ang parehong paglalarawan ng karakter sa bawat bahagi, at suriin kung tuloy-tuloy ang timbre, ambient sound, at musika pagkatapos pagdugtungin; ang paglalarawan sa teksto lamang ay hindi makasisiguro na magiging eksaktong magkapareho ang boses sa magkakaibang clip.

Part 05|Pag-e-edit ng Audio Track

Halimbawa ng pag-e-edit sa Arcloop para palitan ang orihinal na audio ng isang AI short film

Ginagamit na halimbawa sa larawan sa itaas ang Arcloop: pinananatili ang limang-segundong video sa itaas, naka-mute ang orihinal na audio track, at idinaragdag sa ibaba ang kumpletong audio clip na binuo ng Seed Audio upang sabay-sabay na palitan ng diyalogo, ambient sound, at musika ang orihinal na tunog. I-drag ang posisyon ng audio upang maitugma ang linya sa reaksyon ng karakter, pagkatapos ay i-play nang buo upang suriin ang transisyon.

Kung purong background music o ambient sound lang ang binuo, magdagdag lang ng isang bagong audio track. Panatilihin ang kinakailangang diyalogo at orihinal na tunog sa video, ilagay ang bagong audio sa ibaba, at i-adjust ang simula, dulo, at volume nito. Kapag nagsasalita ang karakter, maaaring maglagay ng mga volume keyframe sa background track: pahinain bago magsalita, panatilihin habang nagsasalita, at muling palakasin pagkatapos ng paghinto sa dulo ng pangungusap.

Kung ang binuo ay isang kumpletong clip na may background sound at diyalogo ng karakter, palitan ang orihinal na audio sa kaukulang posisyon. Ihiwalay ang video sa orihinal na audio track, hatiin at i-mute o alisin ang lumang audio sa bahaging kailangang palitan, at itapat ang bagong audio upang maiwasang marinig nang dalawang beses ang parehong linya. Panatilihin ang orihinal na tunog para sa iba pang mga clip.

Pagkatapos palitan, suriin kung tugma ang linya sa buka ng bibig at reaksyon, at kung may biglaang pagbabago sa simula at dulo ng clip; kung kinakailangan, magdagdag ng maikling fade upang maging natural ang pagdurugtong ng ambient sound. Kapag magkasama na sa iisang file ang boses at musika, ang pagpapahina sa kabuuang volume ay magpapahina rin sa boses; kung kailangang baguhin ang ugnayan ng dalawa, maaaring bumuo muli o gumamit ng magkakahiwalay na audio track para sa pagmi-mix.

Buksan ang model page ng Seed Audio at magsimula sa isang mahalagang eksena: tukuyin kung sino ang nagsasabi ng ano, ano ang tunog nito, at kailan magbibigay-daan ang musika, pagkatapos ay ibalik ito sa video upang pakinggan.

Ibahagi

Higit Pang Natuklasan

Review ng Seedance 2.5 Flash: Pwede na bang gamitin bilang productivity tool?

Review ng Seedance 2.5 Flash: Pwede na bang gamitin bilang productivity tool?

Anime sa MiniMax H3: mga prompt, reference at consistent na karakter

Anime sa MiniMax H3: mga prompt, reference at consistent na karakter

MiniMax H3 vs H3 Max: Mga Detalye at Paghahambing ng Video

MiniMax H3 vs H3 Max: Mga Detalye at Paghahambing ng Video

Paano Magdisenyo ng mga Karakter na Hindi Tao

Paano Magdisenyo ng mga Karakter na Hindi Tao