让AI根据画面或文字生成配套音乐：Sonilo获1100万美元融资

剪视频配音乐时，让鼓点和音效刚好对齐画面的动作是一项繁琐的工作。现在，生成音频公司Sonilo试图让模型直接包揽理解画面、生成音频和时间对齐这三个步骤。据Digital Music News报道，这家公司刚宣布获得1100万美元融资，由B Capital领投，Redpoint参与。

按照官方对平台能力的介绍，创作者可以提供视频素材、输入一段文字要求，或者把这两种方式结合起来使用，系统就能根据提供的信息与画面的节奏运动，生成同步的音乐与音效。Sonilo将这套跨媒体处理系统称为“声音世界模型”，目的是把音频生成直接融入视频制作流程。目前的卡点同步效果属于官方产品说明，报道并未提供可供比较的独立测试数据。

该平台还向内容制作团队提供带有唇形同步能力的AI配音功能。这被视为一种方便跨语言内容制作的工具。不过，具体的配音同步效果、适用语种以及实际处理成本，都需要结合产品说明和具体服务来核查，不能单凭融资消息断言其表现。

在外界关心的模型训练问题上，报道指出Sonilo使用了获得授权的音乐数据，并设立了向权利人和艺术家支付费用的分成机制。同时，公司与一些主要版权组织的录音和音乐出版协议仍在推进商谈中，这表明各项授权合作并没有全部落实。

这笔新资金将被用来扩充计算基础设施、拓展市场以及继续谈判版权。对于个人创作者，报道提到公司计划在第四季度推出面向消费者的应用程序。至于平台开放的具体功能与生成的配乐如何用于商业项目，仍需以相应版本的服务与授权条款为准。