Muapiのvideo-to-audio APIは、1回のREST呼び出しで無音動画を解析し、映像にマッチした環境音、フォーリー、効果音を生成します。MMAudioモデルファミリーを搭載し、動画への同期音響付加とテキストプロンプトからの効果音生成の2つのワークフローに対応。プラットフォーム共通の送信・ポーリングフローを通じ、生成音声1秒あたり$0.001の低コストで利用できます。
無音動画を解析し、テキストプロンプトに基づいて映像内の動きと同期した環境音、フォーリー、効果音トラックを生成。
動画入力を必要とせず、テキストプロンプトのみから独立した効果音や環境音クリップを生成。
video-to-audio APIは無音動画クリップを受け取り、画面上で起きていること(足音、エンジン音、自然の環境音、風切り音、室内の反響音など)に合致したサウンドトラックを生成します。モデルが映像の動きやタイミングを解析し、出来事に精密に同期したオーディオを生成します。
Muapiはそのワークフロー向けにMMAudio Video to Audioを提供し、さらにテキスト説明のみから効果音を生成できるMMAudio Text to Audioも用意しています。両モデルとも共通のREST仕様、APIキー、秒単位の課金体系を採用しています。
MMAudio Video to Audioは入力動画を解析して画面内のアクションにタイミングを合わせた音声を生成するため、手作業でのフォーリー作業や音響編集の手間を大幅に削減します。
MMAudio Text to Audioはテキストのみから効果音や環境音クリップを生成でき、サウンドライブラリ、ゲーム音響、通知音の制作に最適です。
両モデルともdurationパラメータ(デフォルト8秒)を受け付けるため、生成する音声の長さを映像や要件に合わせて自由に調整できます。
デフォルトで音声のないAI生成動画に自然なサウンドトラックを付加し、手作業の編集なしで映像に臨場感を与えます。
両MMAudioモデルとも出力音声1秒あたり$0.001の課金のため、標準の8秒間生成でも1セント未満($0.008)と極めて低価格です。
生成された環境音や効果音をText to Speechの台詞やAI Music APIの劇伴音楽と組み合わせることで、完全な音響演出が可能です。
| モデル | 输入 | 价格 | 适用场景 |
|---|---|---|---|
| MMAudio 動画から音声生成 | 動画 + テキストプロンプト | $0.001 / 秒(默認 8 秒として $0.008) | 無音動画クリップへの同期音響の追加 |
| MMAudio Text to Audio | 仅文字提示词 | $0.001 / 秒(默認 8 秒として $0.008) | 生成独立音效和环境声 |
curl -X POST https://api.muapi.ai/api/v1/mmaudio-v2/video-to-video \
-H "Content-Type: application/json" \
-H "x-api-key: YOUR_API_KEY" \
-d '{
"prompt": "Heavy rain on a tin roof with distant thunder",
"video_url": "https://example.com/silent-video.mp4",
"duration": 8
}'import requests
response = requests.post(
"https://api.muapi.ai/api/v1/mmaudio-v2/video-to-video",
headers={"x-api-key": "YOUR_API_KEY"},
json={
"prompt": "Heavy rain on a tin roof with distant thunder",
"video_url": "https://example.com/silent-video.mp4",
"duration": 8,
},
)
request_id = response.json()["request_id"]
result = requests.get(
f"https://api.muapi.ai/api/v1/predictions/{request_id}/result",
headers={"x-api-key": "YOUR_API_KEY"},
)
print(result.json())Muapiのvideo-to-audio APIはMMAudioモデルファミリーを活用し、無音動画を解析して映像イベントにタイミングを合わせたオーディオトラックを生成します。
はい。MMAudio Text to Audioを使用すれば、動画なしでテキストプロンプトのみから独立した効果音や環境音クリップを生成できます。
両MMAudioモデルとも生成音声1秒あたり$0.001です。デフォルトの8秒生成ならわずか$0.008です。
長さはリクエストパラメータで指定でき、デフォルトは8秒です。動画クリップの長さや必要な効果音の長さに合わせて設定してください。
いいえ。MMAudioは環境音、フォーリー、効果音専用に設計されています。会話やナレーションの生成にはMuapiのText to Speech APIをご利用ください。
はい。muapi.aiに登録してダッシュボードからAPIキーを作成すれば、すぐに動画の音声生成を開始できます。