Adicionar áudio ao vídeo sem sair do navegador

O vídeo e o áudio são processados pelo seu próprio navegador, não por um servidor remoto, então nada é enviado à Sonata AI. O único download é o próprio motor de processamento: cerca de 30 MB de WebAssembly baixados uma vez de uma CDN pública e depois guardados no cache do navegador.

Substituir apaga totalmente o som original e deixa só a nova faixa, ótimo para clipes de IA sem som ou gravações muito barulhentas. Mixar mantém o que a câmera captou e coloca a nova faixa por cima, então vozes, risadas e o som ambiente continuam audíveis sob a música.

Cada fonte tem seu próprio nível. Em 100% nada muda; abaixo disso, o som vai para o fundo; acima, uma gravação baixa demais ganha força. É justamente por poder mexer em cada um separadamente que voz e música conseguem conviver sem brigar.

O arquivo final tem exatamente a duração do vídeo. Uma música mais longa é cortada onde a imagem termina. Uma vinheta curta pode repetir até o último quadro ou parar sozinha; dali em diante fica silêncio no modo substituir, ou só o som original no modo mixar.

Se o vídeo for H.264 dentro de um arquivo MP4 ou MOV, os quadros são copiados do jeito que estão e só o áudio é refeito. Isso é mais rápido e não perde nada de qualidade. Arquivos WebM e outros codecs são convertidos para H.264, o que leva mais tempo.

Cortar a música seco no último quadro soa brusco, principalmente se cair no meio do refrão. Ative o fade-out opcional e o áudio vai sumindo aos poucos no fim do clipe, em vez de parar de repente.

Não precisa se cadastrar nem gastar créditos, e o MP4 baixado não leva nenhum logotipo. Uma barra de progresso mostra em que ponto está o processamento, e você pode cancelar a qualquer momento se perceber um ajuste errado.

Modelos de texto para vídeo e de imagem para vídeo costumam entregar clipes mudos. Coloque uma música ou uma frase de narração por baixo e o resultado fica pronto para um post ou uma apresentação, sem abrir um editor completo.

Grave primeiro a tela e depois a narração separada, quando já souber exatamente o que dizer. O modo substituir coloca sua voz sobre a gravação; o modo mixar deixa cliques e sons de notificação bem baixinhos ao fundo.

Vento, trânsito ou uma multidão barulhenta podem estragar imagens que, fora isso, ficaram boas. Troque o barulho por música ou mixe com o original bem baixo para manter um pouco do clima do lugar.

Uma música de fundo curta dá ritmo a uma demonstração ou a um teaser. Deixe a música baixa se houver uma voz explicando o produto e use o fade-out para que o clipe termine limpo, e não no meio do compasso.

Adicione uma narração gravada como nota de voz M4A a um vídeo exportado de um app de apresentações de fotos e compartilhe um MP4 comum, que a família consegue abrir sem nenhum programa especial.

Se você gravou uma narração traduzida, substitua a voz original por ela e mantenha um arquivo por idioma, todos com exatamente a mesma imagem.

Se alguém fala no clipe, deixe o original perto de 100% e baixe bem a nova faixa; algo entre um quarto e metade do nível total é um bom ponto de partida. Depois ajuste até que cada palavra continue fácil de entender.

O teto de 200% ajuda a salvar uma gravação de celular muito baixa, mas uma faixa que já é alta pode distorcer se for empurrada ainda mais. Se ouvir estalos nos picos, baixe esse controle em vez de subir o outro.

Uma música um pouco mais longa que o vídeo, junto com o fade-out, rende o final mais limpo. O loop funciona melhor com material feito para repetir, como fundos ambientes ou batidas simples; uma música com introdução e encerramento marcados deixa a emenda aparente.

Muitos vídeos gerados por IA e gravações de tela não têm som algum, ou só um chiado leve. Substituir permite começar do zero; no modo mixar, esse chiado continuaria tocando por baixo da sua música.

Se o seu celular ou editor oferece exportar em MP4 H.264, escolha essa opção. Assim a ferramenta copia a imagem sem recodificar: ela fica idêntica e o processamento termina mais cedo. Qualquer outro formato precisa ser recodificado antes.

Confira o resultado com fones de ouvido e no alto-falante de um celular. Um volume de música perfeito em um pode encobrir a voz no outro, e é justamente nesses alto-falantes pequenos que a maioria dos vídeos curtos é assistida.