Mirelo SFX 2.0 veut corriger l'un des défauts les plus agaçants de la vidéo IA

Mirelo SFX 2.0 permet de remplacer la musique indésirable, conserver les dialogues et générer une bande-son synchronisée sur des vidéos allant jusqu'à 10 minutes.

Une séquence vidéo réussie peut devenir inutilisable à cause d'une musique ajoutée sans qu'on l'ait demandée, d'effets sonores mal placés ou d'une ambiance qui change entre deux plans. Plutôt que de régénérer toute la vidéo, Mirelo SFX 2.0 propose d'en reconstruire la bande-son. Le modèle analyse directement les images pour produire des bruitages et des ambiances synchronisés, tout en conservant les dialogues existants. Supprimer la musique sans perdre les dialogues

Les générateurs vidéo produisent parfois une bande-son complète, même lorsque l'utilisateur souhaite uniquement des dialogues et des bruitages. Supprimer cette piste revient alors à faire disparaître également les voix, tandis qu'une nouvelle génération risque de modifier une séquence déjà validée.

Mirelo SFX 2.0 cherche à éviter ce problème en distinguant les paroles des autres éléments sonores. Le modèle peut retirer une musique indésirable, remplacer les effets existants et reconstruire une ambiance autour des dialogues conservés.

Cette conservation repose sur un traitement de la piste audio originale, et non sur la création de nouvelles répliques. Elle permet de garder l'interprétation choisie sans devoir reprendre l'ensemble du tournage virtuel. Comme toute opération de séparation sonore, elle peut néanmoins entraîner des altérations selon la qualité du fichier initial. Une bande-son construite à partir des images

L'autre particularité de Mirelo SFX 2.0 tient à son fonctionnement video-to-sound. Contrairement aux outils qui produisent des effets à partir d'une description textuelle, le modèle utilise la vidéo comme principale source d'information.

Il analyse les mouvements, les interactions et l'environnement pour placer les bruitages au moment des actions. Les sons de pas, les impacts, les manipulations d'objets ou les ambiances sont ainsi générés en fonction de ce qui apparaît à l'écran.

Le modèle cherche également à préserver la cohérence acoustique d'une séquence. Une voiture doit conserver une signature sonore comparable entre plusieurs plans, tandis que l'ambiance d'un même lieu ne doit pas changer arbitrairement à chaque coupe. Jusqu'à 10 minutes de son en une seule génération

Mirelo SFX 2.0 peut traiter un montage complet, sans imposer de découper la vidéo en petites séquences pour générer les sons séparément.

Mirelo Studio et l'API acceptent des vidéos allant jusqu'à 10 minutes, tandis qu'une durée sans limite prédéfinie est proposée sur demande dans l'offre Enterprise.

Cette continuité intéresse particulièrement les créateurs qui assemblent plusieurs clips issus de générateurs vidéo différents. Le modèle peut traiter l'ensemble du montage afin d'harmoniser les effets et les ambiances, tout en laissant le choix de la musique finale à l'utilisateur. Des tests d'écoute face à Sony, Google et ByteDance

Mirelo a également publié des comparaisons réalisées à l'aveugle avec d'autres modèles de génération sonore. Face à Sony Woosh, Mirelo SFX 2.0 a été préféré dans 81 % des cas, contre 9 % pour son concurrent et 10 % sans préférence.

La société a aussi comparé ses résultats aux bandes-son natives de plusieurs générateurs vidéo, dont Veo 3.1 Fast, Seedance 2.5, MiniMax H3 Max, Flux 3 et Kling.

Face à Veo 3.1 Fast, Mirelo a été préféré dans 57 % des cas, contre 21 % pour l'audio natif et 22 % d'égalité. Sur Seedance 2.5, les proportions sont de 47 %, 28 % et 25 %.

Chaque comparaison portait sur 30 vidéos évaluées par 25 personnes, selon la qualité sonore et la correspondance avec les actions visibles. Ces tests ont été organisés par Mirelo et ne constituent pas une validation indépendante de ses performances. Disponible pour les créateurs et les développeurs

Mirelo SFX 2.0 est accessible dans Mirelo Playground, Mirelo Editor, via son API et sa connexion MCP, ainsi que sur les plateformes partenaires Runway et Fal.

Des intégrations pour Adobe Premiere Pro, DaVinci Resolve et Roblox sont également annoncées. Une déclinaison text-to-sound permet de produire des effets sans vidéo, tandis qu'une future variante stem doit offrir la génération de sons isolés pour travailler plus précisément chaque couche audio.

Avec SFX 2.0, Mirelo s'attaque à une limite concrète de la vidéo générative : la difficulté de modifier le son sans perdre les images ou les dialogues que l'on souhaite conserver. L'intérêt du modèle réside moins dans la création d'une bande-son à partir de rien que dans sa capacité à intervenir après le montage, lorsque les choix visuels sont déjà arrêtés.