Mirelo erhält 41 Millionen US-Dollar in der Seed-Runde, um künstlich generierten Sound in Videos, Spielen und darüber hinaus zu bringen

Das in Berlin ansässige Unternehmen Mirelo hat eine Seed-Runde in Höhe von 41 Millionen US-Dollar abgeschlossen, um eines der größten blinden Flecken in der generativen Medienlandschaft zu lösen: den Sound. Die Finanzierung wurde von Index Ventures und Andreessen Horowitz gemeinsam geleitet, mit Beteiligung von Atlantic.vc und TriplePoint Capital, was die wachsende Zuversicht der Anleger unterstreicht, dass Audio die nächste große Front für die kreativitätsgetriebene KI ist.

Während die künstliche Intelligenz die Produktion von Text, Bildern und Videos rapide verändert hat, ist der Sound zurückgeblieben. Musik, Soundeffekte und Hintergrundgeräusche sind weiterhin arbeitsintensiv und werden oft erst spät im kreativen Prozess hinzugefügt, obwohl sie einen großen Einfluss auf die Wahrnehmung des Inhalts haben. Mirelos Ziel ist es, dies zu ändern, indem es hochwertigen, emotional ansprechenden Sound so einfach wie möglich zu generieren macht.

Warum der Sound zurückgeblieben ist

Der Sound hat die einzigartige Fähigkeit, Emotionen, Spannung und Atmosphäre zu formen. Ein stummer Video, egal wie visuell beeindruckend, fühlt sich selten vollständig an. Doch für die meisten Ersteller bedeutet das Hinzufügen von Audio immer noch, durch Stock-Bibliotheken zu suchen, Soundeffekte manuell zu synchronisieren und durch Zeitleisten zu iterieren, bis alles richtig feels.

Diese Diskrepanz ist noch offensichtlicher geworden, da die Videoproduktion beschleunigt wird. KI-generierte visuelle Effekte, kurze soziale Inhalte und adaptive Spielumgebungen bewegen sich alle schneller als traditionelle Audio-Workflows unterstützen können. Das Ergebnis ist eine wachsende Lücke zwischen dem, was Ersteller sich visuell vorstellen können, und dem, was sie realistisch umsetzen können.

Mirelos Gründer sahen diese Lücke nicht als eine Einschränkung der Kreativität, sondern als eine Einschränkung der Werkzeuge.

Grundlegende Modelle für Audio aufbauen

Gegründet im Jahr 2023, hat Mirelo seine eigenen Grundmodelle entwickelt, die speziell für Sound in Videos konzipiert sind. Anstatt große Sprachmodelle oder bildbasierte Systeme zu verwenden, konzentrierte sich das Unternehmen auf Audio von Grund auf. Ein Benutzer kann ein Video hochladen und innerhalb von Sekunden synchronisierte Soundeffekte erhalten, die auf Bewegung, Timing und Ereignisse auf dem Bildschirm reagieren.

Dieser Ansatz ist besonders relevant in Umgebungen, in denen der Inhalt dynamisch ist. KI-generierte Videos, personalisierte soziale Feeds und moderne Videospiele profitieren alle von Audio, das in Echtzeit anpassen kann. Mirelos System generiert Sound schneller als in Echtzeit, was es ermöglicht, mit Erfahrungen Schritt zu halten, die sich auf dem Flug ändern.

Das Unternehmen hat kürzlich Mirelo SFX v1.5 veröffentlicht, ein Video-zu-Soundeffekt-Modell, das über seine Selbstbedienungs-API und Webanwendung, Mirelo Studio, verfügbar ist. Laut dem Unternehmen sind seine Modelle leichtgewichtig und benötigen wesentlich weniger Rechenleistung als typische große Sprachmodelle, während sie gleichzeitig oder überlegene Audioqualität in externen Bewertungen liefern.

Musiker im Kern der Technologie

Eine der definierenden Eigenschaften von Mirelo ist sein Gründungsteam. CEO CJ Simon-Gabriel und CTO Florian Wenzel sind beide erfahrene Musiker sowie erfahrene KI-Forscher. Simon-Gabriel hat einen PhD in maschinellem Lernen und kausaler Inferenz vom Max-Planck-Institut und hat ein Postdoktoranden-Stipendium an der ETH Zürich abgeschlossen. Wenzel hat seinen PhD in Deep Learning von der Humboldt-Universität und hat zuvor als Forscher bei Google Brain gearbeitet.

Musik war ein konstanter Begleitfaden in beiden ihren Leben. Simon-Gabriel wurde im Klavierspiel, Orgelspiel und Komposition ausgebildet und hat offen darüber gesprochen, fast professionell Musik zu machen. Wenzel spielt weiterhin E-Gitarre und produziert elektronische Musik als Teil einer Berliner Band.

Diese doppelte Herkunft hat Mirelos Kultur und technische Richtung geprägt. Anstatt Sound als sekundäre Ausgabe zu behandeln, betrachtet das Team es als primäres kreatives Medium, in dem mathematische Präzision und ausdrucksstarke Nuancen koexistieren müssen.

Was kommt als Nächstes für künstlich generierten Sound

Mirelos langfristiges Ziel geht weit über die einfache Automatisierung hinaus. Das Unternehmen sieht seine Technologie als Möglichkeit, Reibung aus kreativer Arbeit zu entfernen, Aufgaben wie Synchronisation und Timing zu übernehmen, damit Künstler und Sound-Designer sich auf Ausdruck und Erzählung konzentrieren können.

Wenn visueller Inhalt personalisierter und interaktiver wird, muss Audio entsprechend evolvieren. Spiele, die sich an das Verhalten des Spielers anpassen, Videos, die auf Abruf generiert werden, und immersive virtuelle Umgebungen erfordern alle Sound, der dynamisch reagieren kann, anstatt im Voraus festgelegt zu sein.

Wenn man in die Zukunft blickt, könnten Technologien wie Mirelos definieren, wie Sound erstellt, geteilt und erlebt wird. Anstatt statischer Soundtracks könnte Audio zu einem lebendigen Bestandteil visueller Medien werden, der in Echtzeit generiert wird, um Kontext, Emotion und Absicht zu entsprechen. In dieser Zukunft ist Sound nicht länger ein Nachgedanke, sondern eine integrale Schicht, die direkt in die Art und Weise eingebettet ist, wie Geschichten in Video, Gaming, Film und aufkommenden digitalen Welten erzählt werden.