Генерирует подходящие звуковые эффекты и фоновую музыку по вашему видео, чтобы ролик не был «немым». Цена - 7 ₽ за 1 видео.
Шорох крафтовой бумаги в ASMR-режиме
Звук к ролику с упаковкой подарка, поля заданий пустые.
Kling Video-to-Audio — нейросеть Kuaishou, которая смотрит на ролик до 20 секунд и сочиняет к нему звук: рёв мотора, плеск, шорох бумаги, грохот. Выручает, когда нужно наложить звук на видео нейросетью: ролик немой или родная дорожка не нравится. Для мелких звуков есть ASMR‑режим.
Чтобы понять, как наложить звук на видео нейросетью Kling и где она ошибается, мы сделали 16 запусков. Семь — сейчас, на роликах из видеонейросетей сайта, ещё девять раньше, на немых роликах из соседних примеров. Людей в кадре нет. Только руки на упаковке подарка, и те сгенерированы. Ответ приходил за 40–70 секунд. Ушам мы не доверяли: замеряли громкость, смотрели спектрограммы (график, на котором звук разложен по высоте тона и по секундам) и прогоняли дорожки через распознавание речи, которое ищет в звуке слова. А нравится ли сама дорожка, проверьте на слух.
Начали с пятисекундного ролика из Kling 2.5 Turbo в 1080p, у которого уже была своя дорожка. Поля мы оставили пустыми.
Kling Video-to-Audio · поля пустые, ASMR‑режим выключен · 7 ₽
Получился рёв моторов поверх шума воды. Катера идут на камеру, и звук растёт вместе с ними, так что к концу пятой секунды дорожка громче, чем в начале, примерно на 14 дБ. От старого звука не осталось ничего, мы сравнили обе дорожки и совпадений не нашли.
Десять секунд замедленной съёмки из Seedance 2.0. Здесь мы перечислили звуки по-английски.
Car engine roar, heavy crash into a wall of cardboard boxes, boxes tumbling and hitting the concrete floor
Kling Video-to-Audio · задание на эффекты по-английски, 10 с · 7 ₽
Сначала низкий гул мотора, потом грохот, который держится до конца ролика. Но машина касается коробок примерно на полутора секундах, а грохот начинается на 2,7. В родной дорожке Seedance громкость прыгала уже на 1,25 секунды. Если удар должен совпасть до кадра, сдвиньте звук в видеоредакторе: дорожка приходит и отдельным файлом, так что это минутное дело.
Ролик из Seedance 1.5 Pro: волна поднимается из океана, рушится, и в конце камера показывает брызги на скалах. Поля пустые.
Kling Video-to-Audio · поля пустые, 12 с · 7 ₽
Первые три секунды почти тихо, потом гул нарастает, а громче всего с 6,5 по 8,3 секунды, ровно когда гребень падает. Брызги о скалы звучат слабее. А ведь на картинке это самый эффектный момент. Длинный ролик нейросеть озвучила целиком, без пауз и обрывов.
ASMR называют тихие звуки крупным планом, будто у самого уха: шорох, касания, щелчки. Немой ролик, где руки заворачивают подарок, мы запускали дважды, с переключателем и без, поля оставили пустыми.
Kling Video-to-Audio · ASMR‑режим включён · 7 ₽
Kling Video-to-Audio · ASMR‑режим выключен · 7 ₽
В обоих вариантах нейросеть сама подложила тихую мелодию, хотя о музыке мы не просили. С ASMR‑режимом мелодия отступает, а щелчки бечёвки и касания пальцев выходят отдельными резкими пиками: самый громкий почти упирается в предел шкалы. Без режима пики ниже, а музыка и шорох сливаются в ровный фон. Для распаковки и работы руками мы бы включали режим.
Во второе поле мы писали разную музыку: нуарный джаз по-русски и по-английски, лоу-фай пианино, акустическую гитару, летнюю музыку с укулеле и танцевальный бит. Все шесть дорожек вышли без нот. Вот тот же подарок с просьбой о танцевальной музыке:
Energetic electronic dance music with a fast beat and synth bass
Kling Video-to-Audio · только задание на музыку, ASMR‑режим выключен · 7 ₽
Вышли шорох бумаги и щелчки, музыки нет, хотя без задания на этом же ролике она появлялась оба раза. Похоже, музыку модель добавляет сама, по картинке, а заданием её не вызвать: обещать мелодию по этому полю мы не можем. Если она нужна, сделайте её отдельно, например в Sonilo 1.1, где есть тип генерации «Музыка для видео», или в разделе Музыка.
Мультяшного кота мы взяли из примеров Grok Video и стёрли его родную речь. В поле эффектов попросили, чтобы кот бодро сказал по-русски «Завтра в Москве плюс двенадцать и солнце!».
Кот бодро говорит по-русски: «Завтра в Москве плюс двенадцать и солнце!»
Kling Video-to-Audio · задание на эффекты по-русски, 10 с · 7 ₽
С 0,6 по 5,1 секунды, пока кот открывает рот, звучат слоги, похожие на голос. Распознавание речи слов в них не нашло: по-русски оно услышало «дрова, дрова», по-английски «dip, drip». В такт губам нейросеть попала, но говорить не умеет. Голос лучше записать в нейросетях озвучки текста, а потом подогнать под него губы через липсинк.
В поле Видео положите один файл MP4, MOV или WebM не длиннее 20 секунд. Два текстовых поля ниже можно оставить пустыми, тогда нейросеть озвучит то, что видит в кадре. Сумма видна на кнопке Отправить до запуска и не зависит от длины ролика. Нейросеть не ищет звуки в библиотеке, а сочиняет новую дорожку под движение в кадре. Обычно через минуту под формой появятся два файла: ролик с новым звуком в том же разрешении и та же дорожка без картинки, удобная для монтажа. Скачать сохраняет файл, Повторить сразу запускает то же задание ещё раз, и выходит новый дубль, Изменить возвращает задания и настройки в форму. Результаты хранятся 7 дней в разделе Мои результаты, удачные можно сохранить в библиотеку.
| Поле | Что ставить |
|---|---|
| Видео | Ролик до 20 секунд. Если в нём уже есть звук, он пропадёт. Ролик длиннее разрежьте в редакторе на сцены. |
| Промпт для звуковых эффектов | До 200 знаков. Для первой пробы оставьте пустым: нейросеть сама решит по кадру, что должно звучать. Пишите, когда хотите подсказать материал (асфальт, металл, картон) или главный звук сцены. |
| Промпт для фоновой музыки | До 200 знаков. В наших шести пробах музыки по нему не появилось ни разу (см. выше), поэтому мелодию лучше сделать отдельно. |
| ASMR‑режим | Включайте для рук крупным планом: распаковка, нарезка, письмо, работа инструментом. Улицу, море и технику мы озвучивали без него. |
Над обоими текстовыми полями есть Генератор промпта: он составит задание по короткому описанию своими словами.
Модель опирается в первую очередь на картинку, поэтому задание работает как уточнение. Формула: главный источник звука, материал или поверхность, расстояние, фон. Называйте то, что видно в кадре: звуков, которых на картинке нет, нейросеть в наших пробах не добавляла. Колокольный звон к дождливой улице не появился ни по-русски, ни по-английски.
Шаги в ботинках по мокрому асфальту, капли дождя по зонту, далёкий шум машин
Close-up: scissors cutting thick paper, paper rustling, quiet room
Частые ошибки: вписывать в задание реплики героя (слов не будет, см. пробу с котом), просить музыку, писать настроение вместо источников («атмосферно», «кинематографично»). Если звук вышел не тот, нажмите Повторить: дубли звучат по-разному.
Дорожки выходят тихими. Громкость тех, что мы замерили, от −22 до −33 LUFS (это единица воспринимаемой громкости: чем ближе к нулю, тем громче), а YouTube выравнивает ролики примерно к −14. Перед публикацией поднимите звук в видеоредакторе на 8–10 дБ. Делайте это с лимитером (он срезает пики): в ASMR-дорожках щелчки уже доходят почти до предела, и простое усиление их исказит.
Второй файл результата содержит ту же дорожку, только без картинки. Внутри у него обычный MP3, хотя имя заканчивается на .mp4. Если видеоредактор не узнает в нём звук, поменяйте окончание на .mp3.
Цена за ролик одна: что 3 секунды, что 20. Задания и ASMR‑режим её не меняют.
| ASMR‑режим | Длина ролика | Цена |
|---|---|---|
| выключен | до 20 с | 7 ₽ |
| включён | до 20 с | 7 ₽ |
Раз цена не зависит от длины, выгоднее загружать ролик ближе к 20 секундам, чем резать его на мелкие куски. А первый запуск делайте с пустыми полями: так сразу слышно, что нейросеть поймёт по картинке без подсказок.
Если ролик ещё не снят, звук можно получить сразу вместе с видео: у Kling 2.6 для этого есть переключатель Со звуком. Для готового ролика на сайте есть ещё несколько нейросетей:
| Нейросеть | Цена | Длина ролика | Что вернёт | Когда брать |
|---|---|---|---|---|
| Kling Video-to-Audio | 7 ₽ | до 20 с | ролик и звук отдельным файлом | мелкие звуки, ASMR‑режим, одна цена за ролик |
| MMaudio v2 | от 0.2 ₽/сек. | звук до 30 с | ролик | нужны запреты (без музыки, без речи) и ручные настройки |
| HunyuanVideo-Foley | 10 ₽ | до 60 с | ролик | звук, которого нет в кадре, по подробному заданию |
| Sonilo 1.1 | от 1.5 ₽/сек. | форма не ограничивает | ролик или звук | сцена целиком, мелодия под ролик |
| Mirelo AI SFX 1.6 | от 1.5 ₽/сек. | до 60 с | ролик или звук | минутный ролик, продление и правка готового звука |
Как эти нейросети справились с одной и той же сценой, показано в обзоре «Звук для видео», а остальные модели Kuaishou, от видео до липсинка, собраны в обзоре Kling.
Описание обновлено 2 октября 2026 г.