11 millió dollárt kapott a Sonilo, amely videókhoz generál zenét és hangeffekteket

11 millió dolláros finanszírozási kört zárt a Sonilo, amely olyan generatív audiótechnológiát fejleszt, amely nem különálló zenei vagy hangeffekt-fájlokból indul ki, hanem magát a videót elemzi. A kört a B Capital vezette, a Redpoint részvételével.

A vállalat központi technológiája a Sound World Model nevű multimodális AI-rendszer. Ez a videó megértését, az audió generálását és az időzítés összehangolását kapcsolja össze, így a Sonilo a jelenet mozgása, tempója és érzelmi változásai alapján készít hanganyagot.

A működés egyik lényeges különbsége a hagyományos AI-zenei eszközökhöz képest, hogy a felhasználónak nem feltétlenül kell szöveges promptból kiindulnia. Feltölthet egy videót, megadhatja szövegben, milyen hangzást szeretne, vagy a két módszert együtt is használhatja. A rendszer ezután a felvételhez igazított zenét és hangeffekteket készít.

A Sonilo szerint ezzel egy olyan munkafolyamat váltható ki, amelynél a készítő előbb megkeresi a megfelelő zenét, majd kézzel próbálja a vágásokhoz, mozgásokhoz és jelenetváltásokhoz igazítani. A vállalat célja, hogy ezt az illesztést maga a modell végezze el.

A friss tőkét elsősorban a számítási infrastruktúra bővítésére fordítják, hogy nagyobb teljesítmény mellett tudják futtatni és fejleszteni a modelleket. Emellett a Sonilo erősítené jelenlétét a creator- és fejlesztői platformokon, valamint tovább építené zenei licencelési rendszerét.

Ez utóbbi különösen fontos része a vállalat stratégiájának. A Sonilo közlése szerint a modellek licencelt zenéken tanulnak, és a Shutterstock már korai licencpartnere a cégnek. A vállalat további kiadói és masterfelvétel-megállapodások lezárásán is dolgozik, miközben a jogtulajdonosok és előadók számára licencdíjjal és bevételmegosztással számol.

A San Franciscó-i startup csapata több ponton is a TikTokhoz kötődik. Shawn Song vezérigazgató korábban a platform multimodális AI-technológiájának vezetője volt, Alex Yin technológiai igazgató pedig Song mellett dolgozott, és a University of Yorkon szerzett PhD-t számítógépes zenéből. Keli Li, a Sonilo operatív vezetője korábban a TikTok globális zenei üzletágát építette és vezette.

A vállalat technológiáját már fejlesztői és alkotói környezetekben is terjeszti, korai partnerei között szerepel a TapNow és a ComfyUI. A Sonilo emellett AI-alapú szinkronizálást is kínál, amely a beszéd és a szájmozgás összehangolásával segítheti a videók többnyelvű lokalizációját.

A következő fontos lépés a fogyasztói piac lehet: a Sonilo a tervek szerint 2026 negyedik negyedévében külön alkalmazást is indít. A befektetők számára az egyik nagy kérdés így az lesz, hogy a videóhoz automatikusan illesztett zene és hang valóban önálló alkotói kategóriává válik-e, vagy elsősorban a már meglévő videós AI-eszközök egyik háttérfunkciója marad.