MireloVideoToSFX - ComfyUI Built-in Node Documentation

使用 Mirelo SFX 生成跟随视频的音效。上传片段后，模型会跟随屏幕上的动作，并返回音效混音，以及一条单独分离出的语音分轨（其中的对白从音轨中提取）。可用它为无声或部分无声的片段添加拟音、环境声和冲击音效。

输入

参数	描述	数据类型	必填	范围
`model`	要使用的模型。选择模型后会显示其专属参数：`video`、`audio`、`prompt`、`negative_prompt`、`preserve_speech` 和 `seed`。	DYNAMIC_COMBO	是	`"sfx-2.0"`
`video`	要为其生成音效的视频。将为整个片段生成声音，时长为 1 到 600 秒。	VIDEO	是	1 到 600 秒
`audio`	用于 `preserve_speech` 以及 `speech` 输出的对白音轨，替代视频自身的音轨。保持未连接状态时，使用视频中嵌入的声音。	AUDIO	否	-
`prompt`	期望的声音效果。可以留空（默认：空），因为模型会自行描述视频，并且它并不总是遵循提示词。最多 2000 个字符。	STRING	是	最多 2000 个字符
`negative_prompt`	要避免的声音，以简短的逗号分隔列表表示。可以留空（默认：空）。最多 1000 个字符。	STRING	是	最多 1000 个字符
`preserve_speech`	将对话混合到生成的音效之下。关闭时仅返回音效。（默认：True）	BOOLEAN	是	false true
`seed`	请求的种子。结果是非确定性的，因此相同的种子不会重复生成同一个片段。（默认：42）	INT	是	0 到 4294967295

当片段短于 1 秒或长于 600 秒时，节点会报错停止。已连接的 audio 音轨会设定 preserve_speech 保留的对白，以及 speech 输出分离出的对白；若未连接，则对白来自视频自身的音轨。

输出名	描述	数据类型
`audio`	该片段的音效混音；当 `preserve_speech` 开启时，对白会混合在其下。	AUDIO
`speech`	从音轨中分离出的对白。当未找到语音或语音分离未返回任何内容时，为静音，且采样率与 `audio` 相同。	AUDIO

本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！在 GitHub 上编辑

Source fingerprint (SHA-256): fa09525e6c9b10412823e358652220850fbc7109d81cc207d31ffa8921956495