Mirelo SFX 2.0 發布：保留對白、重做影片聲音，十分鐘長片怎麼驗收？

Mirelo SFX 2.0 處理的是影片畫面已經滿意，卻想換掉音樂與效果聲的後製問題。

官方十月十四日宣布新版，可以根據畫面生成音效與環境聲，同時保留對白，不必重新生成整段影像。

這對多段 AI 影片拼接特別有用，因為畫面連起來後，各段環境聲往往還像不同作品。

一般 Studio 與程式介面支援最長十分鐘，企業的不限長度則要另行洽詢，不能把兩者寫成同一種開放範圍。

對已有定剪畫面的團隊，新版值得用聲音連續性與對白清晰度評估，而不只聽一段示範是否震撼。

先分清這個模型如何使用原影片，才知道它能替後製省下哪一步。

Mirelo SFX 2.0 是換掉影片的哪一部分？

它從現有畫面出發重建聲音，保留影像本身。

官方發布說明描述的是影片轉聲音模型：讀取畫面中的動作與環境，再產生相應聲軌。聲軌是影片播放時一起聽到的音訊，影像本身不需要重新生成。

假設一段產品影片的畫面已經選定，但背景突然出現不合適的音樂，重新生成整段可能連鏡頭也改掉。因此把聲音獨立處理，能保留先前已確認的視覺內容。

音效、擬音與環境聲各有任務

音效可以是車輛經過或門關上的聲音，擬音則補上腳步、衣服摩擦等動作細節。環境聲像室內空調與戶外風聲，能讓不同鏡頭聽起來位於同一空間。

三者不只是增加熱鬧程度。假設畫面中的人停下腳步，聲音卻仍持續走動，觀眾便會感到不對勁，即使單獨聽那段聲音很逼真。

這也讓定剪成為適合的起點。定剪是畫面順序與長度已大致確定的版本，因為聲音要跟事件時間對齊，鏡頭大幅修改後便需要重新檢查。

模型讀取的是送入的影片，所以鏡頭外發生的事件未必有足夠線索。例如需要門外先傳來敲門聲，仍應由創作者交代敘事意圖，不能只靠畫面推定。

一次完整聲軌與逐層製作不同

官方把預設的影片轉聲音，定位為整體一致的聲音輸出。這適合先比較整段效果，但不代表每個聲音已變成能在剪輯軟體單獨調整的軌道。

如果交付要求是腳步、風聲與對白分開控制，就要先確認入口能提供什麼輸出。不能因為聽見多種聲音，便假定拿到同樣多條可編輯素材。

原聲也應留一份作對照。當新聲音改變了情緒或節奏，創作者才能判斷是想要的後製選擇，還是需要回到原本安排。

因此，這類工具省下的可能是找聲、剪短與對時的部分工作。哪些片段仍需手工修整，要把成品放回完整影片才能知道。

畫面固定後，聲音仍要和動作與說話節奏對齊。

對白保留與跨鏡頭音效如何一起檢查？

保留對白需要確認內容與可懂度，音效則要在動作發生時出現。

保留對白最容易產生誤解：官方 FAQ 說明，模型會偵測原片的說話表現，再連同新音效與環境聲重新生成。因此這不是原始對白檔案逐位元原封不動地複製。

若影片有品牌名稱、數字或專有名詞，就要回聽每一句。字詞沒有漏掉只是基本要求，停頓、重音與語氣改變，也可能影響角色給人的感受。

對時要沿著動作前後聽

假設畫面先拉開抽屜，再拿出物品，聲音應對應兩個事件。若只有一個很響的碰撞聲，可能掩蓋了細小動作，卻沒有說清楚發生什麼。

測試時可以從事件前一小段開始播放，聽到動作完成後再停。這樣才能比較聲音是提前、準時或延後，而不是只確認有沒有產生音效。

同一個腳步在遠景與近景，也不一定應該一樣大聲。距離感若完全相同，觀眾可能覺得人物貼在耳邊，和畫面空間不一致。

連續鏡頭要保留空間的感覺

假設人物在同一間咖啡店說話，換鏡頭後室內背景不應突然變成空曠車站。但環境聲也不是永遠固定，開門走到戶外時本來就應該改變。

因此驗收要先知道場景是否延續。可以記下同場景轉角、換空間與時間跳接，再看生成聲音是否做出符合敘事的區別。

對白出現時，背景聲需要讓出可理解的空間。混音中的壓低背景音量，常稱為 ducking，意思是在說話時減少其他聲音遮擋，而不是把所有音效刪掉。

不能只用耳機大音量聽一次。若目標是手機播放，還應以普通音量確認對白是否清楚，因為實際聆聽條件可能讓細節消失。

這些是本文建議的後製驗收，並非聲稱每支影片都已通過。能同時保住說話內容、動作時間與空間感，才接近可以採用的聲音版本。

這些主觀聽感也影響官方偏好測試的解讀。

官方盲聽測試的百分比代表什麼？

偏好比例反映受測者對同一畫面聲軌的選擇，不能直接當成正確率。

公司公布的數字來自盲聽：受測者聽同一影片的兩條聲軌，選擇較喜歡的一條，也可以判為平手。它衡量品質與畫面匹配的綜合偏好，沒有逐項標記物理事件的正確答案。

官方對 Sony Woosh 的比較為百分之八十一偏好 Mirelo。這能說明那組比較的選擇傾向，但不能改寫成所有影片有百分之八十一音效完全正確。

把平手與獲勝分開看

對 Seedance 2.5 原生聲音，表格列出百分之四十七偏好 Mirelo、百分之二十五無偏好。兩者合計才是官方所說百分之七十二「一樣好或更好」。

如果把百分之七十二全部寫成勝率，就把沒有選出優勝者的回答也算成獲勝。對正在比較替換聲音是否值得的人，這個差別會改變預期。

偏好也取決於比較對象。某一模型聲音較弱，替換後容易獲得認同，不代表遇到人工精細混音，也會有相同程度的改善。

聽感結果要接回自己的影片用途

假設短廣告追求明快節奏，觀眾可能偏好清楚有力的動作聲。但紀錄片更在意現場感，同一種誇張效果未必適合，兩者不能只沿用同一評分標準。

盲聽可以降低品牌名稱影響，卻不會讓受測影片自動代表全部題材。因此讀數字時要保留原測試的影片與問題範圍。

團隊可以借用盲聽的思路，把原聲與新聲隱去版本名稱再比較。這是小型試驗建議，目的在減少先知道工具名稱就偏向某個版本的情況。

比較時最好保留平手選項，否則很小的差異也會被迫分出勝負。還可以另記對白、同步與氛圍，知道受測者究竟喜歡哪一部分。

若新聲軌只有整體偏好較高，但關鍵台詞變得難懂，就仍需修改。整體喜好與必要條件應分開記錄，不能互相抵銷。

理解評測口徑後，還要確認自己使用的入口與長度。

十分鐘上限、API 與合作平台怎麼分？

API 是讓程式送出工作並取得結果的介面。使用入口與功能版本要各自確認，才能估計實際處理流程。

它適合把聲音處理接進既有產品，讓畫面完成後能接續安排聲軌。Mirelo 官方 API 文件提供聲音生成與編輯的端點，實際整合仍需按任務選用。

2026 年 10 月 15 日查詢的發布說明，Studio 與 API 支援最長十分鐘影片；企業不限長度是另行申請的安排，因此不能把宣傳中的長片能力當成所有帳號預設權益。

同一品牌的入口，也要確認功能版本

發布說明同時列出 Mirelo 的入口，以及 Runway、Fal 等合作平台。平台出現模型名稱後，仍應核對它提供的是哪個變體、長度與輸出方式。

例如一個入口只適合產生短音效，另一個可處理組接完成的影片，就會形成不同工作流程。不能只因背後服務同名，便沿用相同操作假設。

官方把文字轉聲音另列為一種變體，適合沒有畫面對時需求，或補鏡頭外的聲音。一次生成單一聲音的 stem 版本，官方仍列為即將推出，不能當成現在已能取得的分軌。

自動流程也要能回到剪輯版本

若影片代理在畫面完成後送出音訊工作，應留下對應的畫面版本。假設等待期間又刪了一個鏡頭，回來的新聲軌就可能不再對時。

可以先固定匯出版本，聲音完成後再合併檢查。這是流程設計建議，並非宣稱 API 已替所有剪輯工具管理版本與回復。

任務重試時，也要知道前一次是否已完成。只有網路回覆慢，不一定代表生成失敗，否則重送可能增加不必要的等待與費用。

入口選擇應跟團隊習慣一起看。人工少量後製重視可回聽與替換，產品整合則更在意狀態、檔案與錯誤處理，兩者不能只比較同一個生成按鈕。

工作流程確定後，就能安排小規模的聲音驗收。

影片團隊怎麼測出值得採用的結果？

用含對白、轉場與細小動作的片段，比只聽單一爆炸音效更能找出問題。

第一輪可以選自己確實想換聲音的短片，保留同樣畫面與原聲。這樣比挑一段最容易成功的示範，更能回答工具是否改善眼前的後製問題。

假設測試片有一段說話、一個開門動作與同場景切鏡，便能同時觀察語意、同步和連續性。這是示範性的選片方式，不是官方新增的驗收套件。

先定必要條件，再比較偏好

可以先列出台詞不能漏、動作不能明顯錯位、同場景背景不能突變。這些條件通過後，再選更喜歡的氣氛，才不會讓華麗聲音掩蓋基本問題。

記錄問題時要附上時間位置，例如哪句話被音效遮住、哪個轉場出現音色跳變。這比只回覆「不夠自然」更容易引導下一次修改。

也要保留做得好的片段。若大部分內容已可用，未必需要整段重做，而是依實際工具能力決定哪些地方手工修整更省時。

十分鐘影片要測整段，不只測開頭

片段聽起來連續，還不足以證明長片也一樣。長度增加後，可以沿著人物出場、場景轉換與重複物件回聽，檢查後段是否仍維持相同邏輯。

匯出後再放回剪輯時間軸，也能確認音訊是否對到原版本。若只在生成頁面聽一次，可能漏掉組接與播放軟體才出現的問題。

最後把生成、等待、回聽與手工修補一起計時。工具若減少找聲，卻增加大量對白修正，是否值得採用就要依整段時間重新判斷。

適合保留的是能反覆重做的比較：同一畫面、相同必要條件與明確問題位置。下次模型更新時，團隊就能看出改善是否發生在真正需要的地方。

留下原聲與生成聲的比較，才知道下一次修改該從哪裡開始。

Mirelo SFX 2.0 常見問題

Mirelo SFX 2.0 會重新生成原影片嗎？

它以既有畫面生成聲音，影像本身可以保留。但若你後來修改剪接，聲音仍要重新核對時間與場景。

保留對白代表原聲完全不變嗎？

不代表。官方說會偵測說話表現並重新生成，因此內容、語氣與清晰度都應回聽，不能當成原始音訊逐位元不變。

每個帳號都能處理不限長度影片嗎？

不是。Studio 與 API 公告上限為十分鐘，企業不限長度需另行洽詢，合作平台也應核對自己的功能條件。

偏好百分比能當成音效正確率嗎？

不能。盲聽比較的是聲軌偏好，而且包含平手；關鍵台詞與動作同步仍需按影片用途單獨驗收。

先固定畫面，再決定聲音是否值得替換

對已有定剪影片的團隊，先拿一段確實困擾自己的聲軌比較最有用。保留對白、同步與跨鏡頭的問題紀錄，再把修補時間算進去，便能判斷是否值得擴大到長片。

想持續追蹤 AI 工具與研究的實際用途，歡迎免費訂閱 AI 郵報。

延伸閱讀

延伸閱讀：Scenario Blender 外掛開源：把 AI 圖片、影片與材質帶進 3D 現場

延伸閱讀：Runway Baseten 企業部署合作：專屬影片模型，值得哪些團隊評估？

資料來源

• Mirelo 聲音生成與編輯 API 文件。
• Mirelo SFX 2.0 功能、盲聽測試與常見問題。
• 原始 X 發布貼文。