Como sonorizar vídeos de IA: BGM e efeitos para a era de ComfyUI e Hailuo
A criação de vídeos de IA se popularizou rapidamente em 2026. ComfyUI pode ser executado localmente, MiniMax combina velocidade e expressividade, e ferramentas em nuvem como Kling, Runway, Luma e Veo já permitem que qualquer pessoa crie uma cena de poucos segundos.
No entanto, «conseguir criar a imagem» e «ela vir com som» são coisas diferentes, e essa divisão varia conforme o modelo. Este artigo explica como os vídeos de IA são feitos hoje, por que o som é acrescentado separadamente e de que som cada tipo de vídeo do YouTube precisa; em seguida, reúne os BGM e efeitos sonoros da arcalune que combinam com cada caso. Todo o conteúdo pode ser baixado para uso comercial sem necessidade de crédito.
Como esta lista foi escolhida
- Todo o conteúdo listado é BGM e efeitos sonoros distribuídos pela arcalune. Não promovemos as próprias ferramentas de vídeo de IA nem redistribuímos áudio de terceiros.
- Agrupamos as faixas pelos gêneros de vídeos de IA publicados no YouTube e as escolhemos com base no modo de produção e no som necessário em cada gênero.
- Os nomes e as versões das ferramentas e a presença ou ausência de áudio se baseiam em fatos verificáveis em agosto de 2026. As especificações mudam, portanto consulte a fonte oficial de cada ferramenta para obter as informações mais recentes.
- Todo o conteúdo pode ser baixado para uso comercial sem necessidade de crédito.
Como os vídeos de IA são feitos em 2026
O processo se divide em duas grandes camadas. Uma executa ComfyUI em uma GPU local: Wan 2.2, forte em movimentos amplos e trabalho de câmera (a versão 5B funciona com menos VRAM); HunyuanVideo 1.5, para imagem real, anime e 3DCG; e LTX-2.5, que oferece áudio sincronizado e multishot nativo (uma geração produz várias cenas conectadas mantendo personagens e iluminação). A outra é a camada de nuvem/API, em que MiniMax, Kling, Runway, Luma, Veo do Google e Seedance da ByteDance geram, a partir de texto ou imagem, cenas de poucos a dezenas de segundos.
O modelo de vídeo Hailuo 2.3 da MiniMax (outubro de 2025) se destaca em movimentos de corpo inteiro, representação física e expressões sutis, além de lidar com estilos de anime, pintura a tinta e CG de jogos. MiniMax H3, lançado em 31 de julho de 2026, é um modelo diferente que gera até 15 segundos em 2K com áudio estéreo junto ao vídeo e preserva personagens e estilo a partir de imagens, vídeos e áudios de referência. Como orientação: Wan / HunyuanVideo para controlar detalhadamente estilo e personagens de forma local; Hailuo 2.3 para velocidade e física; e MiniMax H3, LTX-2.5 ou Veo para criar também o áudio em uma única etapa.
Modelos silenciosos coexistem com modelos que também geram áudio
O tratamento do áudio se divide em três tipos. (1) Somente vídeo: a geração padrão do Wan 2.2, HunyuanVideo 1.5, Hailuo 2.3, Runway Gen-4.5, Luma e Pika. (2) Vídeo conduzido por áudio existente: Wan 2.2-S2V (sincroniza boca e atuação com o áudio, mas não cria o som). (3) Vídeo e áudio gerados ao mesmo tempo: MiniMax H3, LTX-2.5, Google Veo 3.1, Kling 3.0 e ByteDance Seedance 2.5. Todas as ferramentas do grupo (1) oferecem separadamente uma função do tipo «Add Audio» para acrescentar som depois da geração. Isso, por si só, comprova que a produção de vídeo ainda precisa de uma etapa posterior de áudio. O Sora da OpenAI tinha áudio, mas sua versão web e seu aplicativo foram encerrados em 26 de abril de 2026, e a API está prevista para ser encerrada em 24 de setembro de 2026.
«Consegue gerar áudio» não significa «não precisa de BGM». Veo 3.1 e MiniMax H3 podem gerar até música. Mesmo assim, o BGM é colocado separadamente, não porque esses modelos não consigam criá-lo, mas por dois motivos: (1) cada cena dura apenas de alguns a dezenas de segundos e, ao unir várias cenas, estilo musical, volume e melodia não mantêm continuidade; (2) manter diálogo, ambiência, efeitos e BGM em faixas separadas permite trocar somente o BGM depois ou abaixá-lo apenas durante a narração. É justamente aí que um BGM externo como o da arcalune ganha valor.
A ordem prática para sonorizar um vídeo silencioso
Na prática, o trabalho costuma seguir esta ordem: gerar as cenas → escolher as que serão usadas → colocar um BGM ao longo de toda a obra → acrescentar ambiência em cada cena (chuva, ondas, ruído de ambiente interno etc.) → sincronizar foley com o movimento de pessoas e objetos (passos, roupa, impactos) → inserir um efeito curto em cada transição de tela → abaixar o volume do BGM apenas nos trechos com narração ou canto. O segredo é colocar primeiro o BGM como base e acrescentar os efeitos por último, em pontos específicos.
Para exportar o áudio junto no ComfyUI, prepare uma entrada de áudio no nó Video Combine do complemento VideoHelperSuite e conecte um nó que carregue o arquivo de música (não é um nó padrão, portanto precisa ser instalado). Também é possível sobrepor o áudio depois em um editor de vídeo. Em qualquer opção, baixe as faixas daqui e use-as como estão.
Referências
Os formatos usados para criar vídeos de IA no YouTube
Vídeos explicativos e documentários faceless são produzidos na ordem roteiro → voz sintética → vídeo ou imagens de IA → legendas, com um BGM discreto que não atrapalha a voz. Curtas cinematográficos e trailers geram cenas a partir de um storyboard e imagens de referência e depois são construídos com trilha, foley, impactos e sons ascendentes de trailer (as obras exibidas em festivais de cinema de IA são o exemplo representativo). Shorts, memes e montagens conduzidos pelo ritmo acrescentam um BGM ágil e efeitos de transição ou impacto a uma ideia de 5 a 15 segundos.
Videoclipes de IA fixam primeiro a música finalizada, geram vários clipes curtos para cada compasso e editam de acordo com a batida; eles não usam o áudio do modelo de geração e mantêm a música original como áudio principal. Anúncios de produto e filmes de marca geram cenas usando imagens do produto e logotipos como referência e depois acrescentam narração, som de logotipo e um BGM curto. AI ASMR gera vídeo e som de materiais inexistentes sendo cortados, esmagados ou derramados, substitui os trechos que soam estranhos por sons reais de materiais e reedita tudo em formato longo. Vídeos de atmosfera e para acompanhar o trabalho repetem ou estendem clipes curtos e colocam separadamente um BGM longo e sons ambientes. As seções abaixo mostram quais sons da arcalune combinam com cada formato.
Referências
Curtas cinematográficos, filmes de IA e trailers
As cenas são geradas a partir de um storyboard e imagens de referência e depois editadas em uma única obra. Uma trilha contínua recebe camadas de foley, impactos e sons ascendentes de trailer.
- 1
壮大でドラマティックな劇伴
Trilhas grandiosas e dramáticas para acompanhar cenas que devem parecer parte de um filme ou trailer. Mesmo um curta montado com cenas de poucos segundos ganha unidade quando uma única trilha percorre toda a obra.
Use paraFilmes e curtas com IA, Trailers, Aberturas
Estes sons da arcalune
- 2
緊張と暗さの劇伴
Trilhas mais sombrias que criam inquietação e tensão. Para cenas de suspense em um filme de IA ou para o momento de espera logo antes da troca de cena em um trailer.
Use paraSuspense, Tensão de trailer, Cenas tensas
Estes sons da arcalune
- 3
予告編の一撃と上昇音
Um impacto único para marcar o trailer e um som ascendente que aumenta a expectativa. Colocados na entrada de um título ou na troca de cena, fazem o destaque do vídeo ganhar força.
Use paraAparição de título, Trocas de plano, Acentos de clímax
Estes sons da arcalune
Vídeos explicativos, documentários e vídeos faceless
São produzidos nesta ordem: roteiro, voz sintética, vídeo ou imagens de IA e legendas. A voz é o elemento principal, por isso se usa um BGM discreto que não a encubra.
- 4
ナレーションを邪魔しないBGM
BGM calmo, com poucos elementos e conduzido pelo piano. Em vídeos explicativos e documentários com narração de voz sintética (vídeos faceless), pode ficar ao fundo sem encobrir a voz.
Use paraExplicativos e docs, Vídeos faceless, Sob narração
Estes sons da arcalune
Videoclipes de IA e visualizadores
Primeiro se fixa a música finalizada, geram-se vários clipes curtos por compasso e a edição acompanha a batida. A música é o áudio principal, então o que se acrescenta são efeitos de transição.
- 5
曲に合わせる転換の効果音
Um videoclipe de IA já tem a música finalizada como áudio principal, então o que se acrescenta são efeitos de transição, não mais BGM. Whooshes limpos e um impacto único para encaixar nas batidas ou nas pausas da letra.
Use paraBatidas e cortes de letra, Transições visuais, Visualizadores
Estes sons da arcalune
- Whoosh! 10:03
- Apito ascendente (afastamento) 20:02
- Bum 20:02
Vídeos de atmosfera, para trabalhar e fundos em loop
Um clipe curto de IA é repetido ou estendido para se tornar um vídeo longo. Combina-se um BGM que funciona bem por bastante tempo com sons ambientes, como chuva ou ondas.
- 6
長時間流すアンビエント
Peças ambientes mais longas e de contornos suaves. Em vídeos para acompanhar o trabalho ou criar atmosfera, que transformam um clipe de IA de poucos segundos em algo longo por repetição ou extensão, elas formam uma base que não cansa durante uma reprodução prolongada.
Use paraFundo longo, Atmosfera, Loops de fundo
Estes sons da arcalune
- 7
雨と波の環境音
Ambiências de chuva e ondas. Sobrepostas a um loop sem som, acrescentam a sensação de estar no local que a imagem sozinha não consegue transmitir.
Use paraCenas de chuva e ondas, Imagens em loop, Ambiência de base
Shorts, memes e vídeos ritmados
Uma piada de 5 a 15 segundos ou uma montagem de clipes encadeados. Funciona com um BGM de ritmo ágil combinado a efeitos que marcam as transições e os desfechos.
- 8
テンポの良い短尺BGM
BGM claro, leve e com impulso para a frente. Combina facilmente com Shorts conduzidos pelo ritmo, como uma piada de 5 a 15 segundos ou uma montagem de clipes encadeados.
Use paraShorts e verticais, Montagens, Cortes rítmicos
Estes sons da arcalune
- 9
切り替えと衝撃の効果音
Um flash para a troca de cena, um impacto único e um whoosh limpo. Colocados em uma transição ou no desfecho de um vídeo ritmado ou meme, deixam o ritmo da visualização mais firme.
Use paraTransições, Remates e memes, Acentos de impacto
Estes sons da arcalune
- CORTE DE FLASH 010:02
- Bum 30:02
- Whoosh! 30:03
AI ASMR e vídeos de textura
São gerados vídeo e som de materiais inexistentes sendo cortados, esmagados ou derramados, e os trechos que soam estranhos são substituídos por sons reais de materiais. Aqui, os efeitos sonoros são os protagonistas.
- 10
質感・フォーリーの効果音
Tesoura cortando, água correndo e vidro quebrando. Em AI ASMR e vídeos de textura, servem para substituir os trechos em que o som do clipe gerado parece estranho por um som de material claro e bem definido. São parte do foley oferecido pela arcalune.
Use paraASMR com IA, Acentos de textura, Troca de som material
Estes sons da arcalune
- TESOURA 010:10
- TORNEIRA 010:11
- Vidro quebrado 10:02
Por mais que a imagem dos vídeos de IA evolua, decidir qual música vai em cada ponto e qual efeito encerra cada momento continua sendo uma etapa humana. Escolha nas seções por gênero o som que combina com o seu vídeo.
A página de cada faixa leva a outras músicas e efeitos da mesma família. Quando precisar de uma duração ou atmosfera diferente, procure a partir dali.
Perguntas frequentes
- Vídeos de IA não geram áudio também? Ainda preciso de BGM?
Depende do modelo. A geração padrão do Wan no ComfyUI, HunyuanVideo, Runway, Luma e Pika não produz som, então o áudio é acrescentado depois. Veo 3.1, MiniMax H3, Kling 3, LTX-2.5 e Seedance também geram áudio, inclusive música. No entanto, cada cena dura apenas de alguns a dezenas de segundos e, no vídeo final montado, o estilo musical e o volume não mantêm continuidade. Em geral, um BGM contínuo é colocado separadamente na edição final e mantido de forma que possa ser trocado depois.
- Como adicionar música a um vídeo silencioso criado no ComfyUI?
Prepare uma entrada de áudio no nó Video Combine do complemento VideoHelperSuite e conecte um nó que carregue o arquivo de música para exportar os dois juntos (não é um nó padrão, portanto precisa ser instalado primeiro). Também é possível sobrepor a música depois em um editor de vídeo. Baixe e use as faixas desta página.
- Posso usar em vídeos monetizados ou anúncios?
Sim. Todos os BGM e efeitos sonoros da arcalune podem ser baixados para uso comercial sem necessidade de crédito. A possibilidade de usar comercialmente o vídeo gerado por IA depende dos termos da ferramenta utilizada, portanto verifique essa informação na fonte oficial de cada ferramenta.