Aller au contenu principal

Test de Video Sound Effects : de l’ambiance à partir de l’image seule

Choisissez Video Sound Effects pour ajouter ambiance et effets à un clip muet à bas coût ; ça n’écrira ni dialogue ni piste musicale, prévoyez ça séparément.

Ouvrir le Playground

Spicy Index

Hors indice

Freedom Score

52,0/ 100

Fourchette si le reste passe : 52,0–100,0

Niveaux de contenu

3 types de test sur 6 · 13 essais

  • Léger · Les prompts les plus légers du test

  • Modéré · Là où les modèles filtrés commencent à refuser

  • Fort · Au milieu de l’échelle ; à tester avant qu’un modèle soit classé

  • Très fort · Là où la plupart des modèles commencent à se retenir

  • Maximum · Le haut de l’échelle, noté en deux moitiés : classe A et classe B

Prix
—
Temps médian
56 s
Taux de réussite
Collecte en cours

Video Sound Effects observe video_url et génère une bande-son qui suit l’action à l’écran, puis renvoie le même clip avec cette piste comme audio. prompt oriente ce qu’on entend ; negative_prompt écarte des sons précis. duration_seconds (1 à 30, 8 par défaut) fixe la quantité de son généré et la portion du clip qui revient — et vous êtes facturé pour les secondes demandées même si le clip source est plus court. Ça coûte $0.0012 la seconde, donc un passage complet de 30 secondes coûte $0.036.

Le verdict

C’est fait pour des effets et de l’ambiance, pas du dialogue ni de la musique, et nous n’avons pas encore fait tourner de test d’échelle de contenu sur cet endpoint.

Essayer Video Sound Effects →

Chiffres clés

  • Échelle de contenu : pas encore testée sur cet endpoint.
  • Notation : voir la fiche de score de cette page pour les données d’essai déjà ajoutées.
  • Prix : $0.0012 par seconde de duration_seconds demandée.
  • Limites : duration_seconds de 1 à 30, 8 par défaut ; facturé pour les secondes demandées même si le clip est plus court ; pas fait pour le dialogue ou la musique.
  • Sources : les règles de notation sont sur notre page de méthodologie, et la liste complète des paramètres sur la page du modèle Video Sound Effects.

Ce qui nous a plu et ce qui l’a freiné

Ce qui nous a plu

  • Le prompt et le prompt négatif donnent un vrai contrôle sur ce qu’on entend. Nommer les sons voulus (« subway train rumbling on the rails, soft electric hum, distant brakes » dans l’exemple publié) oriente le résultat plutôt que de le laisser entièrement à ce que l’image suggère.
  • C’est très peu cher à la seconde. À $0.0012 la seconde, générer du son pour un clip de 30 secondes coûte $0.036 — assez peu cher pour essayer plusieurs variantes de prompt avant de se fixer sur une.
  • duration_seconds fait aussi office de découpe. Réglez-le sur la durée réelle de votre clip et la vidéo renvoyée est coupée en conséquence, donc il n’y a pas d’étape séparée pour synchroniser la durée de la piste audio avec l’image.
  • Il s’attache directement au clip. La sortie est la même vidéo avec la piste générée comme audio, pas un fichier audio séparé à mixer vous-même.
  • Effets et ambiance, pas une vague masse de bruit. L’exemple publié nomme trois sons distincts superposés — un grondement, un bourdonnement et un frein lointain — plutôt qu’un lit sonore générique unique.

Ce qui l’a freiné

  • Ce n’est pas fait pour le dialogue ou la musique. La description de l’endpoint est explicite : il fait des effets et de l’ambiance, pas de la parole ni une bande originale. Cherchez un autre outil si c’est ce qu’il vous faut.
  • Vous êtes facturé pour les secondes demandées, pas pour les secondes réellement utilisées. Réglez duration_seconds plus court que votre clip et vous obtiendrez moins d’audio généré que l’image n’en dure ; réglez-le trop généreux et vous payez des secondes dont vous n’aviez pas besoin.
  • Un plafond de 30 secondes par appel. Une séquence plus longue doit être découpée en plusieurs appels.
  • Pas de données d’échelle de contenu pour l’instant. Nous ne pouvons pas dire s’il gère ou comment il gère des requêtes liées à une séquence non filtrée tant que nous ne l’avons pas testé ; considérez ça comme non testé, pas présumé dans un sens ou dans l’autre.
  • guidance_scale et steps sont là pour être ajustés, mais nous n’avons aucune donnée comparative sur ce qui change quand on les bouge. Nous n’avons pas fait tourner les tests côte à côte qui diraient quand les ajuster en vaut la peine.

Ce que nous avons testé

Nous n’avons pas encore fait tourner de test d’échelle de contenu sur Video Sound Effects, donc cette section rapporte ce que nous pouvons vérifier à partir du schéma et de l’unique exemple publié plutôt que des essais notés. L’exemple prend un plan de cinq secondes dans un train de nuit, règle duration_seconds sur la durée du clip, et demande des sons de train, un bourdonnement électrique et des freins lointains — trois couches nommées plutôt qu’une description générique unique.

Des prompts qui ont marché

Nommez les sons distincts que vous voulez, pas juste une ambiance — l’exemple publié liste trois éléments séparés plutôt qu’une seule description.

1. Un exemple publié : nommer chaque couche sonore.

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

Lancer ce prompt sur Video Sound Effects →

Réglages qui comptent : réglez duration_seconds sur la durée réelle de votre clip plutôt que de laisser la valeur par défaut de 8, puisque la vidéo renvoyée est coupée à ce nombre et que vous êtes facturé en conséquence quelle que soit la durée du clip source ; utilisez negative_prompt pour écarter un son précis que l’image pourrait sinon suggérer.

Alternatives

  • Besoin de parole synchronisée à un visage plutôt que d’ambiance ? Lip Sync redessine la bouche sur une séquence existante pour l’accorder à un nouvel audio, à $0.012 la seconde.
  • Vous partez d’un portrait fixe et d’un enregistrement vocal ? Talking Avatar anime une photo pour qu’elle parle votre audio, à $0.018 la seconde.

Jusqu’où va Video Sound Effects

Chaque niveau, pour chaque tâche, d’après des résultats confirmés. Un niveau ne rapporte des points que si le contenu apparaît vraiment, et un seul essai rapporte au plus 60 %.

Points Freedom par niveau et par tâche
NiveauSon pour vidéo
LégerLes prompts les plus légers du test
1/1 livrés12,0 / 20 pts
ModéréLà où les modèles filtrés commencent à refuser
5/5 livrés20,0 / 20 pts
FortAu milieu de l’échelle ; à tester avant qu’un modèle soit classé
7/7 livrés20,0 / 20 pts
Très fortLà où la plupart des modèles commencent à se retenirPas encore testé
MaximumLe haut de l’échelle, noté en deux moitiés : classe A et classe BPas encore testé
Note de la tâche52,0 / 100,0Testé le 5 oct. 2026

Testé du 26 sept. 2026 au 5 oct. 2026

Ce site reste consultable au travail : les résultats sont rédigés en texte, toute image affichée est pixelisée, et les prompts de test ne sont jamais publiés. Nous ne testons jamais une personne qui paraît mineure, l’apparence de personnes réelles ni l’absence de consentement.

Voir tous les relevés de test →Voir le classement sans censure →

Essayez votre propre prompt et voyez jusqu’où il va

Ouvrir le Playground

Comment Video Sound Effects obtient son Spicy Index

Chaque dimension ci-dessous mène à son calcul complet : la ligne de grille d’où vient chaque point et la raison de chaque point perdu.

Classements publics 45 % de la qualité
Pas encore testé

Pas encore de correspondance exacte dans les classements publics suivis. Fonctionnement

Test à l’aveugle des résultats 35 % de la qualité
Pas encore testé

Pas encore passé par notre test à l’aveugle des résultats. Fonctionnement

Qualité en arène 20 % de la qualité
Pas encore testé

Comptera quand le modèle aura plus de 100 votes en aveugle et un intervalle à 95 % inférieur à 200 Elo. Fonctionnement

Capacités Pondération 10,5 %
Pas encore testé

Pas encore noté. Fonctionnement

Freedom Score Pondération 30 %
52,0
Ouvrir le rapport de test complet →

Ce que Video Sound Effects sait faire sur SpicyAPI

Tiré directement de la spécification en ligne du modèle sur SpicyAPI. Certains éditeurs en offrent davantage dans leurs propres applications ; voici ce que vous pouvez appeler via notre API aujourd’hui.

Capacités par point de terminaison
FonctionSon pour vidéo
Durée du clip1–30 s
Audio natifNon
Contrôle de la graineNon
Prompt négatifOui
Voir tous les paramètres et exemples de code →

Le temps que ça prend vraiment

Mesuré sur de vraies tâches des 30 derniers jours, de la requête au résultat final. Les temps incluent nos propres tests.

Temps médian
56 s
90e centile
3,3 min
Attente par seconde de vidéo
Collecte en cours
Taux de réussite
Collecte en cours

Un temps apparaît dès qu’au moins 10 tâches terminées sont reçues. Les taux de réussite ne comptent que les tâches des clients et restent masqués pour tous les modèles jusqu’à 30 jours complets de trafic.

Modèles à envisager à la place de Video Sound Effects

Qu’en pensez-vous ?

Ce test vous a-t-il été utile ?

Connectez-vous pour voter.

Commentaires

Les commentaires sont vérifiés automatiquement et par notre équipe. Nous supprimons le spam, le contenu inapproprié, les attaques personnelles et tout ce qui nomme une personne réelle sans son consentement. Signalez un commentaire et nous l’examinerons sous un jour ouvré.

Vous avez essayé ce modèle ? Partagez ce qui a marché. Un compte gratuit est nécessaire pour commenter, afin de tenir le spam à distance.

FAQ sur Video Sound Effects

Essayez Video Sound Effects vous-même

Réglez chaque paramètre dans le Playground et voyez le prix exact avant de lancer.

Autres tests

Voir les classements →
  • A couple seen from behind in a dark home theater, watching a sharply detailed ocean wave on a wall-sized screen

    Video Upscaler

    Choisissez Video Upscaler pour livrer un clip plus grand avant publication ; générez à une taille rapide à rendre, puis agrandissez seulement la prise gardée.

    Spicy Index
    56,3
    Freedom Score
    56,0

    Testé le 27 sept. 2026

    Lire le test
  • Un ruban sculptural ondulant et un diaphragme de cinéma en laiton

    Talking Avatar

    Choisissez Talking Avatar pour faire parler vite et pas cher un portrait fixe avec votre audio ; pas fait pour un mouvement du corps entier ou une vidéo longue.

    Spicy Index
    68,5

    Testé le 27 sept. 2026

    Lire le test
  • Un microphone ivoire près d’un diaphragme de cinéma en verre

    Lip Sync

    Choisissez Lip Sync pour redoubler une séquence existante avec une réplique sortant de la même bouche ; il ne réparera pas un clip instable ou multi-plans.

    Spicy Index
    65,6

    Testé le 27 sept. 2026

    Lire le test