MMAudio Batch Soundifier

简单的批量处理，用于为视频添加声音，含“调皮”模式，非必需。使用我所有批量工作流程中通用的基础for循环。超级简单：指定源目录和目标目录，点击运行，次数等于文件夹中视频的数量即可。或者一直点到你累了为止——这无关紧要。系统会自动追踪已完成的项目，当“调皮”视频用完时便会停止。

MMAudio 是在 24fps 下训练的，有一个按钮可切换到更高帧率，效果不错，但有几点小注意事项，我已在内部注明。实际上，现在想想，这个切换按钮可能根本不需要，因为 VHS 视频信息中已有源/加载选项……模型只关心时长，会对图像输入端不满意的部分进行降采样。因此，除非你输入的帧率低于 24fps，否则基本不会有问题。但我就是这样用的，效果很好。

我尝试过 12-15 秒的片段，但效果不如更短的片段。我认为 8-9 秒是最佳质量。由于我主要制作时长数分钟的组合作品，因此为已完成的作品生成音频时，必须先将其分割成片段。Shutter Encoder 的“分割”功能非常适合快速完成这项任务，远比使用 Premiere 快得多。此外，如果你在处理前确实需要分割长视频，可以同时强制输出为 24fps，这将加快 MMAudio 的处理速度（而不是用 60fps 视频运行它）。

提示词尽量保持极简——NSFW 模型能自行填补空白，仅在必要时添加细节。

文件名会自动传递到新的合并节点。我正在为大量已完成的 60fps 内容添加声音，因此其中包含了音频保存节点，因为我无需再次保存视频。

在添加插值和缩放时请谨慎，若将其整合进更大型的工作流，可能需要节制使用并适时清理 VRAM。当你以较低帧率处理音频，但输出发送至插值合并节点时，情况会变得复杂。若从零开始并计划添加音频，我更倾向于在 WAN 解码后，或上采样后直接设定一个专用的 24fps 文件夹（上采样有助于音频模型更好地理解画面内容）。这样可以避免浪费时间处理不合格的视频。

此处是一个包含插值的工作流。（NSFW）适用于 WAN 2.2 I2V 14B 的极简 MMAudio + RIFE 插值设置

SeoulSeeker 好心提醒我，MMAudio 自我上次玩弄它以来已大幅提升。如你所知，这通常意味着最多几周的时间。