Sonoriser une vidéo IA — BGM et effets sonores à l'ère de ComfyUI et Hailuo
La création de vidéos IA s'est largement démocratisée en 2026. ComfyUI fonctionne en local, MiniMax associe rapidité et expressivité, et des outils cloud comme Kling, Runway, Luma et Veo permettent désormais à chacun de créer un plan de quelques secondes.
Cependant, « pouvoir créer l'image » et « obtenir du son avec l'image » sont deux choses différentes, et la frontière varie selon le modèle. Cet article explique comment les vidéos IA sont produites aujourd'hui, pourquoi le son est ajouté séparément et de quel son chaque type de vidéo YouTube a besoin, puis présente les BGM et effets sonores arcalune adaptés. Tout peut être téléchargé pour un usage commercial sans attribution obligatoire.
Comment cette liste a été établie
- Tout ce qui est présenté se compose de BGM et d'effets sonores distribués par arcalune. Nous ne faisons pas la promotion des outils de vidéo IA eux-mêmes et ne redistribuons pas l'audio d'autrui.
- Nous avons regroupé les morceaux selon les genres de vidéos IA publiées sur YouTube et les avons choisis en fonction du mode de fabrication et des besoins sonores de chaque genre.
- Les noms et versions des outils ainsi que la présence ou l'absence de sortie audio reposent sur des faits vérifiables en août 2026. Les caractéristiques évoluent ; consultez donc la source officielle de chaque outil pour obtenir les informations les plus récentes.
- Tout peut être téléchargé pour un usage commercial sans attribution obligatoire.
Comment les vidéos IA sont produites en 2026
La méthode de production se divise en deux grandes couches. La première exécute ComfyUI sur un GPU local : Wan 2.2, performant pour les mouvements amples et le travail de caméra (la version 5B fonctionne avec moins de VRAM), HunyuanVideo 1.5 pour le réel, l'anime et la 3DCG, ainsi que LTX-2.5, qui prend en charge l'audio synchronisé et le multishot natif (une génération produit plusieurs plans liés tout en conservant les personnages et l'éclairage). La seconde est la couche cloud/API, où MiniMax, Kling, Runway, Luma, Veo de Google et Seedance de ByteDance génèrent, à partir de texte ou d'une image, des plans de quelques secondes à plusieurs dizaines de secondes.
Le modèle vidéo Hailuo 2.3 de MiniMax (octobre 2025) excelle dans les mouvements du corps entier, la représentation physique et les expressions fines, et prend aussi en charge les styles anime, lavis à l'encre et CG de jeu. MiniMax H3, sorti le 31 juillet 2026, est un modèle distinct qui génère jusqu'à 15 secondes en 2K avec un son stéréo produit avec la vidéo et conserve les personnages et le style à partir d'images, de vidéos et de sons de référence. À titre indicatif : Wan / HunyuanVideo pour contrôler finement le style et les personnages en local, Hailuo 2.3 pour la vitesse et la physique, et MiniMax H3, LTX-2.5 ou Veo lorsque l'on souhaite aussi produire l'audio en une seule passe.
Les modèles muets coexistent avec ceux qui génèrent aussi l'audio
Le traitement de l'audio se divise en trois catégories. (1) Vidéo seule : la génération standard de Wan 2.2, HunyuanVideo 1.5, Hailuo 2.3, Runway Gen-4.5, Luma et Pika. (2) Vidéo animée par un son existant : Wan 2.2-S2V (il synchronise les mouvements de bouche et le jeu avec le son, mais ne crée pas le son lui-même). (3) Vidéo et audio créés ensemble : MiniMax H3, LTX-2.5, Google Veo 3.1, Kling 3.0 et ByteDance Seedance 2.5. Tous les outils du groupe (1) proposent séparément une fonction de type « Add Audio » pour ajouter du son après la génération. Cela prouve en soi que la production vidéo a toujours besoin d'une étape audio en postproduction. Sora d'OpenAI produisait de l'audio, mais sa version web et son application ont pris fin le 26 avril 2026, et la fin de l'API est prévue pour le 24 septembre 2026.
« Pouvoir générer de l'audio » ne signifie pas « ne pas avoir besoin de BGM ». Veo 3.1 et MiniMax H3 peuvent même générer de la musique. Un BGM séparé reste pourtant nécessaire, non parce que ces modèles ne savent pas en produire, mais pour deux raisons : (1) chaque plan ne dure que quelques secondes à quelques dizaines de secondes et, entre plusieurs plans assemblés, le style musical, le volume et la mélodie ne restent pas continus ; (2) conserver les dialogues, les ambiances, les effets et le BGM sur des pistes séparées permet de remplacer ensuite uniquement le BGM ou de le baisser seulement pendant la narration. C'est précisément là qu'un BGM externe comme celui d'arcalune trouve sa valeur.
L'ordre concret pour sonoriser une vidéo muette
En pratique, le travail suit généralement cet ordre : générer les plans → choisir ceux qui seront utilisés → poser un BGM sur l'ensemble de la vidéo → ajouter une ambiance à chaque scène (pluie, vagues, bruit de pièce, etc.) → synchroniser le foley avec les mouvements des personnes et des objets (pas, froissements de tissu, impacts) → placer un effet court sur chaque transition d'écran → baisser le volume du BGM uniquement pendant les passages avec narration ou chant. L'astuce consiste à poser d'abord le BGM comme base, puis à ajouter les effets en dernier, à des points précis.
Pour exporter l'audio avec la vidéo dans ComfyUI, préparez une entrée audio sur le nœud Video Combine du module supplémentaire VideoHelperSuite et reliez-y un nœud qui charge votre fichier musical (ce n'est pas un nœud standard, il faut donc l'installer). Vous pouvez aussi superposer le son plus tard dans un logiciel de montage vidéo. Dans les deux cas, téléchargez les morceaux proposés ici et utilisez-les tels quels.
Références
Les formats sur lesquels reposent les vidéos IA sur YouTube
Les vidéos explicatives et documentaires faceless sont construites dans l'ordre script → voix de synthèse → vidéo ou images IA → sous-titres, avec un BGM léger sous la voix. Les courts métrages cinématographiques et les bandes-annonces génèrent leurs plans à partir d'un storyboard et d'images de référence, puis les composent avec une musique, du foley, des impacts et des montées de bande-annonce (les œuvres projetées dans les festivals de films IA en sont l'exemple représentatif). Les Shorts, mèmes et montages fondés sur le rythme ajoutent à un gag de 5 à 15 secondes un BGM rapide et des effets de transition ou d'impact.
Les clips musicaux IA fixent d'abord le morceau terminé, génèrent de nombreux clips courts pour chaque mesure et les montent sur le rythme ; ils n'utilisent pas l'audio propre au modèle de génération et gardent le morceau d'origine comme piste principale. Les publicités de produits et films de marque génèrent des plans à partir d'images de produits et de logos de référence, puis ajoutent une narration, un son de logo et un BGM court. L'AI ASMR génère l'image et le son de matières inexistantes que l'on coupe, broie ou verse, remplace les passages peu naturels par de véritables sons de matière, puis remonte l'ensemble en format long. Les vidéos d'ambiance et d'accompagnement du travail mettent en boucle ou prolongent de courts clips et posent séparément un BGM long et des ambiances. Les sections ci-dessous indiquent quels sons arcalune conviennent à chaque format.
Références
Courts métrages cinématographiques, films IA et bandes-annonces
Les plans sont générés à partir d'un storyboard et d'images de référence, puis montés en une seule œuvre. Une musique continue est enrichie de foley, d'impacts et de montées sonores propres aux bandes-annonces.
- 1
壮大でドラマティックな劇伴
Une musique grandiose et dramatique à faire courir sous les plans auxquels on veut donner l'allure d'un film ou d'une bande-annonce. Même un court métrage assemblé à partir de plans de quelques secondes gagne en unité lorsqu'un même morceau l'accompagne de bout en bout.
À utiliser pourFilms et courts IA, Bandes-annonces, Ouvertures
Ces sons d’arcalune
- 2
緊張と暗さの劇伴
Des morceaux plus sombres qui installent le malaise et la tension. Pour les scènes de suspense d'un film IA ou le temps de retenue juste avant un changement de plan dans une bande-annonce.
À utiliser pourSuspense, Montées de bande-annonce, Scènes tendues
Ces sons d’arcalune
- 3
予告編の一撃と上昇音
Un impact unique pour ponctuer une bande-annonce et une montée sonore qui fait croître l'attente. Placés sur l'apparition d'un titre ou un changement de plan, ils donnent toute sa force au temps fort de la vidéo.
À utiliser pourApparition du titre, Changements de plan, Accents de temps forts
Ces sons d’arcalune
Vidéos explicatives, documentaires et vidéos faceless
Ils sont construits dans cet ordre : script, voix de synthèse, vidéo ou images IA, puis sous-titres. La voix tient le premier rôle ; on place donc un BGM léger qui ne la couvre pas.
- 4
ナレーションを邪魔しないBGM
Un BGM calme, peu chargé et principalement porté par le piano. Dans les vidéos explicatives et documentaires avec narration de synthèse (vidéos faceless), il peut rester en fond sans étouffer la voix.
À utiliser pourExplicatifs et docs, Vidéos faceless, Sous la narration
Ces sons d’arcalune
Clips musicaux IA et visualiseurs
On fixe d'abord le morceau terminé, on génère de nombreux clips courts pour chaque mesure, puis on les monte sur le rythme. Le morceau étant la piste principale, on ajoute des effets sonores de transition.
- 5
曲に合わせる転換の効果音
Un clip musical IA possède déjà le morceau final comme piste audio principale : on y ajoute donc des effets de transition, pas un BGM supplémentaire. Des whooshes nets et un impact unique à caler sur les temps ou les coupures des paroles.
À utiliser pourTemps et coupures de paroles, Transitions visuelles, Visualiseurs
Ces sons d’arcalune
- Whoosh ! 10:03
- Sifflet ascendant (envol) 20:02
- Boum 20:02
Vidéos d'ambiance, d'accompagnement du travail et arrière-plans en boucle
Un court clip IA est mis en boucle ou prolongé pour devenir une vidéo longue. Un BGM adapté à une écoute prolongée est associé à des sons d'environnement tels que la pluie ou les vagues.
- 6
長時間流すアンビエント
Des morceaux ambient plus longs, aux contours doux. Dans les vidéos d'ambiance ou d'accompagnement du travail qui transforment un clip IA de quelques secondes en format long par boucle ou extension, ils forment un fond peu fatigant à l'écoute prolongée.
À utiliser pourFond long, Ambiance, Décors en boucle
Ces sons d’arcalune
- 7
雨と波の環境音
Des ambiances de pluie et de vagues. Superposées à une boucle muette, elles ajoutent un sentiment de présence que l'image seule ne peut pas transmettre.
À utiliser pourScènes de pluie et vagues, Images en boucle, Ambiance de fond
Shorts, mèmes et vidéos rythmées
Un gag de 5 à 15 secondes ou un montage de séquences enchaînées. Il fonctionne avec un BGM rapide associé à des effets qui ponctuent les transitions et les chutes.
- 8
テンポの良い短尺BGM
Un BGM lumineux, léger et entraînant. Il s'accorde facilement aux Shorts fondés sur le rythme, comme un gag de 5 à 15 secondes ou un montage de séquences enchaînées.
À utiliser pourShorts et verticales, Montages, Montage rythmé
Ces sons d’arcalune
- 9
切り替えと衝撃の効果音
Un flash pour le changement de plan, un impact unique et un whoosh net. Placés sur une transition ou une chute dans une vidéo rythmée ou un mème, ils resserrent le rythme du visionnage.
À utiliser pourTransitions, Chutes et mèmes, Accents d'impact
Ces sons d’arcalune
- COUPE FLASH 010:02
- Boum 30:02
- Whoosh ! 30:03
AI ASMR et vidéos de textures
On génère l'image et le son de matières inexistantes que l'on coupe, broie ou verse, puis on remplace les passages peu naturels par de véritables sons de matière. Ici, les effets sonores tiennent le premier rôle.
- 10
質感・フォーリーの効果音
Des ciseaux qui coupent, de l'eau qui coule et du verre qui se brise. Dans les vidéos AI ASMR et de textures, ils permettent de remplacer les passages où le son propre du clip généré paraît étrange par un son de matière clair et défini. Ils représentent une partie des bruitages foley proposés par arcalune.
À utiliser pourASMR IA, Accents de texture, Remplacer le son de matière
Ces sons d’arcalune
- CISEAUX 010:10
- ROBINET 010:11
- Verre brisé 10:02
Quels que soient les progrès visuels de la vidéo IA, le choix de la musique à placer à chaque endroit et de l'effet qui conclut un temps fort reste une étape humaine. Choisissez dans les sections par genre le son qui convient à vos images.
La page de chaque morceau renvoie aux autres musiques et effets de la même famille. Si vous avez besoin d'une autre durée ou d'une autre ambiance, cherchez à partir de cette page.
Questions fréquentes
- Les vidéos IA ne génèrent-elles pas aussi l'audio ? Faut-il encore un BGM ?
Cela dépend du modèle. La génération standard de Wan dans ComfyUI, HunyuanVideo, Runway, Luma et Pika est muette ; l'audio est donc ajouté ensuite. Veo 3.1, MiniMax H3, Kling 3, LTX-2.5 et Seedance génèrent aussi de l'audio, y compris de la musique. Toutefois, chaque plan ne dure que quelques secondes à quelques dizaines de secondes et, dans la vidéo finale assemblée, le style musical et le volume ne restent pas continus. On pose généralement un BGM continu séparément au montage final, de façon à pouvoir le remplacer par la suite.
- Comment ajouter de la musique à une vidéo muette créée dans ComfyUI ?
Préparez une entrée audio sur le nœud Video Combine du module supplémentaire VideoHelperSuite et reliez-y un nœud qui charge le fichier musical, puis exportez-les ensemble (ce n'est pas un nœud standard, il faut donc l'installer d'abord). Vous pouvez aussi superposer la musique plus tard dans un logiciel de montage vidéo. Téléchargez et utilisez les morceaux proposés ici.
- Puis-je les utiliser dans des vidéos monétisées ou des publicités ?
Oui. Tous les BGM et effets sonores arcalune peuvent être téléchargés pour un usage commercial sans attribution obligatoire. En revanche, l'autorisation d'utiliser commercialement les images générées par IA dépend des conditions de l'outil employé ; vérifiez donc ce point dans la source officielle de chaque outil.