TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Mirelo SFX 2.0 發布：留著對白，把影片聲音整段重做
Mirelo SFX 2.0 影片轉聲音模型在 10 月 14 日發布：讀取畫面重新生成音效、擬音與環境聲，偵測並保留對白、移除沒被要求的音樂，Studio 與 API 最長 10 分鐘。對照官方 API 文件與 sfx-1.6 的差異表、盲聽測試口徑與定價頁，能力邊界、分軌功能的取捨與 12 月 12 日折扣截止的計價細節一次看清。
用 AI 摘要這篇文章：
德國公司 Mirelo AI GmbH 在 10 月 14 日晚間（台北時間 21:23 的官方 X 貼文，官方部落格同日刊出）發布影片轉聲音模型 Mirelo SFX 2.0。它讀取已經完成的影片畫面，重新生成音效、擬音與環境聲，同時偵測並保留原有對白，並移除原本就存在的非對白音訊（例如沒人要求出現的音樂），換上與畫面同步的新聲音；影像本身不需要重新生成。Mirelo Studio 與 API 的長度上限是 10 分鐘，更長的片子要走企業方案另行申請。
比起「又多了一個 AI 音效工具」，這次更該注意的變動寫在官方 API 文件的差異表裡：上一代 sfx-1.6 在保留對白時只能處理 60 秒以內的片段，2.0 把這條線推到 10 分鐘；交換條件是輸出從可拆的三條分軌收斂成單一混音檔，延長與局部重繪兩種編輯操作留在舊版沒有跟進。要判斷它適不適合自己的後製流程，這張表比任何示範影片都具體。
影片轉聲音與文字轉音效，分界在看不看得到畫面
影片模型把聲音和畫面一起生成之後，想單獨換掉聲音，過去的選項都不理想：重新生成整段影片，連鏡頭也會一起重來；把片子靜音，對白跟著消失；文字轉音效工具（例如先前介紹過的悟空AI音效與GenSFX）看得到文字提示、看不到畫面，每個音效都要自己找、自己剪、自己對時間。Mirelo SFX 2.0 走另一條路：畫面本身就是輸入，模型讀取動作、時間與環境，讓音效落在動作發生的位置，也讓同一地點的連續鏡頭聽起來待在同一個空間。官方還提到說話時會自動壓低其他聲音的混音處理（ducking），對白清晰度有被照顧到。
兩個名詞先說清楚：擬音（foley）指腳步、衣服摩擦這類跟著動作出現的細節聲；環境聲（ambience）是讓鏡頭聽起來身處特定空間的背景音。官方部落格對 2.0 預設輸出的定位是「一次完整聲軌」：混好的整條聲音，而不是拆成對白、音效、環境聲三條可各自調整的軌道。對已經定剪的片子，先聽整體效果是最省事的路徑；但如果交付要求是分軌控制，這一點是分界線，與優劣無關。
「一次生成整段」在實務上是個流程差異。官方在發布說明裡點出現況：多數聲音生成工具支援的長度有限，做完一支片得先切碎、逐段處理再拼回來。2.0 的賣點是把 10 分鐘以內的完整定剪一次送進去、拿到一條從頭到尾連續的聲音。這對多段 AI 影片接起來的專案尤其相關：逐段生成的片子，各段的環境聲常像來自不同作品，整段重做的意義就在把聲音的連續性補回來。
「保留對白」的實際機制也值得看細節。官方 FAQ 的說法是：模型偵測片中的說話表演，再連同新的音效與環境聲一起重新生成。換句話說，對白內容與表演會留下來，原始音檔則重新生成一次；對白裡有品牌名、數字或專有名詞的片子，成品要把每句話聽回去確認，這一關沒有捷徑。
從 60 秒到 10 分鐘，官方差異表裡同時寫著拿走了什麼
API 文件把 sfx-1.6 與 sfx-2.0 的差異逐項列出，變動集中在這幾處：
| 項目 | sfx-1.6 | sfx-2.0 |
|---|---|---|
| 保留對白時的長度上限 | 60 秒 | 10 分鐘 |
| 保留對白的預設值 | 關閉，要明確開啟 | 開啟，要關才關 |
| 保留對白時的輸出 | mix、speech、sfx 三種分軌 | 單一 mix 混音檔 |
| 延長與局部重繪（extend、inpaint） | 支援 | 不提供 |
| 文字提示長度上限 | 5,000 字元 | 2,000 字元 |
| 反向提示 | 不接受 | 最多 1,000 字元 |
| 音訊規格 | 44.1 kHz 單聲道 | 48 kHz 單聲道 |
輸出格式兩代相同，都有 wav、flac 與四種流量的 mp3（128 到 320 kbps），差別在取樣率從 44.1 kHz 提到 48 kHz，與影片製作的常用規格對齊。
對白相關的行為整個翻面：1.6 遇到沒有音軌的影片會直接拒絕，2.0 會當成無對白片段照常生成。有兩個細節對整合流程有實際影響：在 2.0 送出舊版的控制參數（文字模式的循環生成、影片模式的多重分軌）不會默默忽略，API 會明確拒絕；文字提示與反向提示（negative prompt，列出不想聽到的聲音）在影片模式被歸為參考性質，模型以畫面為主，不一定照辦。官方也把影片代理（video agents）列為這次的服務對象：多段生成的影片接好之後，代理可以直接呼叫 API 換掉不要的音樂、補上連續的音效與環境聲，音樂選擇權留給代理自己或客戶。
盲聽偏好怎麼讀：72% 裡有四分之一是平手
官方同時公布盲聽測試數字，引用前先把方法看清楚：每一組比較由 25 位評審各聽 30 支影片，評審在群眾外包平台招募、經聽力相關測試預篩；同一支影片聽兩條聲軌，選一條較喜歡的，也可以選平手。它衡量的是音質與畫面匹配的綜合偏好，沒有逐項事件的標準答案，偏好百分比不能改寫成「音效正確率」。
| 對照組 | 偏好 Mirelo | 偏好對方 | 平手 |
|---|---|---|---|
| Sony Woosh（影片轉聲音模型） | 81% | 9% | 10% |
| Kling Foley（影片轉聲音模型） | 63% | 18% | 19% |
| Sonilo（影片轉聲音模型） | 46% | 33% | 21% |
| Veo 3.1 Fast 原生聲音 | 57% | 21% | 22% |
| MiniMax H3 Max 原生聲音 | 49% | 30% | 21% |
| Flux 3 原生聲音 | 48% | 23% | 29% |
| Seedance 2.5 原生聲音 | 47% | 28% | 25% |
| Kling 原生聲音 | 45% | 30% | 25% |
新聞裡最常出現的「Seedance 2.5 有 72% 一樣好或更好」就是這張表的組合：47% 偏好 Mirelo 加上 25% 平手。把 72% 全寫成勝率，等於把沒選出優勝者的四分之一回答算成獲勝。Seedance 2.5 是這輪比較的對照組之一（TechMoon 先前介紹過它的草稿模式）；對照組本身的聲音強弱會直接影響數字，換成自己混音精細的素材會不會有同樣差距，官方測試沒有涵蓋。這是公司自辦的測試，受測影片的題材分佈也未揭露，數字適合以「官方宣稱」的等級引用，能不能當採購依據，要用自己的片子驗。
入口與變體：同名模型，先核對哪一版
2.0 的入口攤開如下：Mirelo 自家的 Editor、Playground、API 與 MCP 服務；Premiere Pro 與 DaVinci Resolve 外掛；標著即將推出的 Roblox 外掛；以及 Runway 與 Fal 兩個合作平台。同一個模型名出現在多個平台，各平台實際提供的變體與長度未必相同，整合前值得逐入口核對。
模型本身有三種變體，任務不同不要混用：預設的影片轉聲音，輸出單一完整聲軌；文字轉聲音，用在不需要對畫面同步的場合，例如補環境音或鏡頭外的聲音再手動對時；即將推出的單一聲音分軌（stem）變體，一次生成一個聲音，適合逐層疊加、要最大控制權的人。API 另有兩個設計對整合方很重要：請求必須指名模型版本，沒有浮動的「最新版」別名，結果會跟著記錄當時用的版本；生成的音訊與紀錄在 7 天後刪除，上傳的素材 24 小時失效，API 的定位是產生器而非儲存庫，成品要立刻搬進自己的儲存。
官方把這版的三類服務對象也寫明白了：AI 影片創作者，片段接好後一次處理聲音；接了影片代理的廣告或電影團隊，組裝完直接換掉不要的音樂、補上連續的音效與環境聲；影片生成平台，把這組能力包進自家產品，讓使用者在同個工作流程裡改聲音，不必重新生成影片。三種身分的共同前提只有一個：畫面已經定下來，動的是聲音。
計價看秒不看分鐘，12 月 12 日後回到原價
費用以 credits 計：sfx-2.0 每秒每個變體 15 credits，2026 年 12 月 12 日前降為 10 credits（官方說法是折扣 33%）；sfx-1.6 每秒 10 credits，保留對白時每秒源音訊再加 8 credits。換句話說，折扣結束後，無對白的純音效生成用 2.0 比用 1.6 貴五成；反過來，保留對白的生成在 1.6 實際是每秒 18 credits，2.0 回到原價也只要 15，含對白的長片工作反而便宜（以上倍數依官方單價換算）。
定價頁的方案換算：免費層每月 5,000 credits，官方估計約可生成 8 分鐘 SFX 2.0；Creator 層每月 20 歐元附 24,000 credits，約 40 分鐘；再往上依序約 200、700 與 2,400 分鐘。折扣結束後回到每秒 15 credits，免費層同額度約剩 5 分半。拿一支 3 分鐘的片子試算：折扣期內一次生成要 1,800 credits，免費層一個月應付兩支多；12 月 12 日之後同一次生成變成 2,700 credits，免費額度連兩支都撐不滿（試算依官方單價與額度換算，未計逐段進位的損耗）。額度不夠可以加購，免費層每 1,000 credits 收 1.2 歐元，付費層從 0.9 遞減到 0.75 歐元；月費透過 Stripe 扣款，方案隨時可升降級。
免費層另有三個條件要看清楚：僅限非商業使用、專案一週後刪除、匯出帶浮水印。訓練授權也分層，免費方案無法退出「輸入與輸出作為訓練資料」的條款，付費方案可以在帳號設定裡退出，已加入的內容在刪帳號前會留在訓練資料裡。對商業專案來說，付費不只是買額度，也是買資料邊界。
要把模型嵌進自己產品的團隊，還有兩條規則要先記下：使用者自行發起或選擇生成時，介面要掛上「Powered by Mirelo」的標示，全自動管線則不需要；至於把 API 打包轉售、當成獨立服務提供，條款明文禁止。成品保存也要自己想好：生成音訊與紀錄在 7 天後刪除，若訓練資料的匯出作業落後，刪除最多可能再延 7 天，把 API 當雲端硬碟用會出事。
還沒說清楚的部分，與該回頭查的時間點
這次發布有幾件事官方沒有交代：企業層的價格與不限長度的實際條件要直接聯繫業務；Runway 與 Fal 上各提供哪個變體、長度上限多少，公告只列了合作關係；盲聽測試只揭露受測影片是 cinematic AI 影片剪輯，題材分佈沒有交代。公司自己的變更紀錄截至 10 月 12 日，還沒列入 SFX 2.0 的條目，之後可以用它追後續修正。
時間軸放遠一點看，影片轉聲音對這家公司不算新實驗：2026 年 3 月 21 日的 v2 API 就已包含 video-to-SFX 端點，4 月 17 日 SFX 1.6 以早期預覽登場，同月 Premiere Pro 外掛陸續修穩，10 月 14 日的 2.0 是把這條產品線的邊界往外推。公司登記在德國蒂賓根（Mirelo AI GmbH，柏林商業登記 HRB 258001 B），兩位董事是 Carl Johann Simon 與 Florian Wenzel；頁腳的商標聲明也交代了它與 Adobe 的關係：外掛整合 Premiere Pro，但產品獨立、未獲 Adobe 背書。回查有兩個時點：12 月 12 日折扣截止，成本估算要重算；stem 變體與 Roblox 外掛從預告轉正式時，分軌工作流程的選項會跟著變。對已有定剪畫面的團隊，先拿一段真的困擾自己的片段跑一輪，比聽官方示範更能回答一個問題：它取代的是找聲音與對時間的工，還是連你的混音判斷一起取代。
