Ir al contenido principal

Video Sound Effects: ambiente a partir de la imagen

Elige Video Sound Effects para añadir ambiente y efectos a un clip mudo de forma barata; no escribe diálogo ni música, así que planea eso aparte.

Abrir el Playground

Spicy Index

Fuera del índice

Freedom Score

52,0/ 100

Rango si el resto pasa: 52,0–100,0

Niveles de contenido

3 de 6 tipos de prueba · 13 ejecuciones

  • Suave · Los prompts más suaves de la prueba

  • Moderado · Donde los modelos con filtro empiezan a negarse

  • Fuerte · A mitad de escala; hay que probarlo antes de clasificar un modelo

  • Muy fuerte · Donde la mayoría de los modelos empiezan a frenar

  • Máximo · La cima de la escala, puntuada en dos mitades: clase A y clase B

Precio
—
Tiempo mediano
56 s
Tasa de éxito
Recopilando datos

Video Sound Effects observa video_url y genera una pista sonora que sigue la acción en pantalla, y luego devuelve el mismo clip con esa pista como audio. prompt orienta lo que escuchas; negative_prompt mantiene fuera sonidos específicos. duration_seconds (de 1 a 30, por defecto 8) fija cuánto sonido se genera y cuánto del clip vuelve, y se te cobra por los segundos que pidas aunque el clip de origen sea más corto. Cuesta $0.0012 por segundo, así que un pase completo de 30 segundos cuesta $0.036.

El veredicto

Está construido para efectos y ambiente, no diálogo ni música, y todavía no hemos lanzado pruebas de nuestra escala de contenido en este punto de conexión.

Prueba Video Sound Effects →

Datos clave

  • Escala de contenido: aún sin probar en este punto de conexión.
  • Puntuación: consulta la ficha de puntuación de esta página para los datos de ejecución que hayamos sumado.
  • Precio: $0.0012 por segundo de duration_seconds solicitado.
  • Límites: duration_seconds de 1 a 30, por defecto 8; se cobra por los segundos solicitados aunque el clip sea más corto; no está construido para diálogo ni música.
  • Fuentes: las reglas de puntuación están en nuestra página de metodología de reseñas, y la lista completa de parámetros está en la página del modelo Video Sound Effects.

Lo que nos gustó y lo que lo frenó

Lo que nos gustó

  • El prompt y el prompt negativo te dan control real sobre lo que escuchas. Nombrar los sonidos que quieres ("subway train rumbling on the rails, soft electric hum, distant brakes" en el ejemplo publicado) dirige el resultado en vez de dejarlo por completo a lo que la imagen sugiere.
  • Es muy barato por segundo. A $0.0012 por segundo, generar sonido para un clip de 30 segundos cuesta $0.036, lo bastante barato como para probar varias variaciones de prompt antes de decidirte por una.
  • duration_seconds funciona también como recorte. Ponlo en la duración real de tu clip y el video devuelto se corta para coincidir, así que no hay un paso aparte para sincronizar la duración de la pista de audio con la imagen.
  • Se adjunta directo al clip. La salida es el mismo video con la pista generada como su audio, no un archivo de audio separado que tengas que mezclar tú mismo.
  • Efectos y ambiente, no una vaga capa de ruido. El ejemplo publicado nombra tres sonidos distintos en capas —un retumbo, un zumbido y un freno lejano— en vez de una sola cama de sonido genérica.

Lo que lo frenó

  • No es para diálogo ni música. La descripción del punto de conexión es explícita: hace efectos y ambiente, no habla ni una banda sonora. Recurre a otra herramienta si eso es lo que necesitas.
  • Se te cobra por los segundos que pides, no por los que realmente se usan. Pon duration_seconds más corto que tu clip y obtendrás menos audio generado del que dura la imagen; ponlo demasiado generoso y pagas por segundos que no necesitabas.
  • Un límite de 30 segundos por llamada. El metraje más largo necesita dividirse en varias llamadas.
  • Aún sin datos de la escala de contenido. No podemos decir si o cómo maneja solicitudes ligadas a metraje que no sea apto para el trabajo hasta que lo probemos; trátalo como no probado, no como algo asumido en ningún sentido.
  • guidance_scale y steps están ahí para ajustar, pero no tenemos datos comparativos de qué cambia al moverlos. No hemos corrido las pruebas comparativas que dirían cuándo vale la pena ajustarlos.

Lo que probamos

Todavía no hemos lanzado pruebas de la escala de contenido en Video Sound Effects, así que esta sección reporta lo que podemos verificar a partir del esquema y del único ejemplo publicado, en vez de ejecuciones puntuadas. El ejemplo toma una toma nocturna de tren de cinco segundos, pone duration_seconds para que coincida con la duración del clip, y pide sonidos de tren, un zumbido eléctrico y frenos lejanos: tres capas nombradas en vez de una sola ambientación genérica.

Prompts que funcionaron

Nombra los sonidos distintos que quieres, no solo un ambiente; el ejemplo publicado lista tres elementos separados en vez de una sola descripción.

1. Un ejemplo publicado: nombra cada capa de sonido.

text
subway train rumbling on the rails, soft electric hum, distant brakes

Ejecuta esto en Video Sound Effects →

Ajustes que importan: pon duration_seconds en la duración real de tu clip en vez de dejar el 8 por defecto, ya que el video devuelto se corta a ese número y se te cobra por él sin importar la duración del clip de origen; usa negative_prompt para descartar un sonido específico que la imagen podría sugerir de otra forma.

Alternativas

  • ¿Necesitas habla sincronizada a un rostro en vez de ambiente? Lip Sync redibuja la boca sobre metraje existente para que coincida con una nueva pista de audio, a $0.012 por segundo.
  • ¿Partes de un retrato fijo y una grabación de voz? Talking Avatar anima una foto para que hable tu audio, a $0.018 por segundo.

Hasta dónde llega Video Sound Effects

Cada nivel, en cada tarea, según resultados confirmados. Un nivel solo suma puntos cuando el contenido aparece de verdad, y una sola ejecución da como máximo un 60 %.

Puntos Freedom por nivel y tarea
NivelSonido para video
SuaveLos prompts más suaves de la prueba
1/1 entregados12,0 / 20 pts
ModeradoDonde los modelos con filtro empiezan a negarse
5/5 entregados20,0 / 20 pts
FuerteA mitad de escala; hay que probarlo antes de clasificar un modelo
7/7 entregados20,0 / 20 pts
Muy fuerteDonde la mayoría de los modelos empiezan a frenarAún sin probar
MáximoLa cima de la escala, puntuada en dos mitades: clase A y clase BAún sin probar
Puntuación de la tarea52,0 / 100,0Probado el 5 oct 2026

Probado del 26 sept 2026 al 5 oct 2026

Este sitio se mantiene apto para el trabajo: los resultados se redactan en texto, cualquier imagen mostrada está pixelada y los prompts de prueba nunca se publican. Nunca probamos a nadie que parezca menor de edad, la imagen de personas reales ni la falta de consentimiento.

Ver todos los registros de prueba →Ver la clasificación sin censura →

Prueba tu propio prompt y comprueba hasta dónde llega

Abrir el Playground

Cómo gana Video Sound Effects su Spicy Index

Cada dimensión enlaza con su cálculo completo: la fila de la tabla de la que sale cada punto y por qué se perdieron puntos.

Clasificaciones públicas 45 % de la calidad
Aún sin probar

Aún no hay una coincidencia exacta en las clasificaciones públicas que seguimos. Cómo funciona

Prueba a ciegas de resultados 35 % de la calidad
Aún sin probar

Aún no se ha incluido en nuestra prueba a ciegas de resultados. Cómo funciona

Calidad en la arena 20 % de la calidad
Aún sin probar

Contará cuando el modelo tenga al menos 100 votos a ciegas y un intervalo del 95 % menor de 200 Elo. Cómo funciona

Capacidad Peso del 10,5 %
Aún sin probar

Aún sin puntuar. Cómo funciona

Freedom Score Peso del 30 %
52,0
Abrir el informe de prueba completo →

Lo que Video Sound Effects puede hacer en SpicyAPI

Tomado directamente de la especificación en vivo del modelo en SpicyAPI. Algunos creadores ofrecen más en sus propias apps; esto es lo que puedes llamar hoy desde nuestra API.

Capacidades por endpoint
FunciónSonido para video
Duración del clip1–30 s
Audio nativoNo
Control de semillaNo
Prompt negativoSí
Ver todos los parámetros y ejemplos de código →

Cuánto tarda de verdad

Medido con trabajos reales de los últimos 30 días, desde la solicitud hasta el resultado final. Los tiempos incluyen nuestras propias pruebas.

Tiempo mediano
56 s
Percentil 90
3,3 min
Espera por segundo de video
Recopilando datos
Tasa de éxito
Recopilando datos

Un tiempo aparece cuando hay al menos 10 trabajos completados. Las tasas de éxito solo cuentan trabajos de clientes y siguen ocultas para todos los modelos hasta completar 30 días de tráfico.

Modelos que puedes considerar en lugar de Video Sound Effects

¿Qué opinas?

¿Te resultó útil esta reseña?

Inicia sesión para votar.

Comentarios

Los comentarios se revisan de forma automática y por nuestro equipo. Eliminamos el spam, el contenido inapropiado, los ataques personales y cualquier cosa que nombre a una persona real sin su consentimiento. Si reportas un comentario, lo revisamos en un día hábil.

¿Probaste este modelo? Comparte lo que te funcionó. Necesitas una cuenta gratuita para comentar, así mantenemos fuera el spam.

Preguntas frecuentes sobre Video Sound Effects

Prueba Video Sound Effects por tu cuenta

Ajusta cada parámetro en el Playground y mira el precio exacto antes de lanzarlo.

Más reseñas

Ver las clasificaciones →