Mirelo henter inn såkornrunde på 41 millioner dollar for å bringe AI-generert lyd til video, spill og mer.

Berlin-basert Mirelo har samlet inn en såkornrunde på 41 millioner dollar i et forsøk på å løse en av de mest vedvarende blindsonene innen generative medier: lyd. Finansieringen ble ledet i fellesskap av Indeks Ventures og Andreessen Horowitz, med deltakelse fra Atlantic.vc og TriplePoint Capital, noe som understreker den økende tilliten til investorer om at lyd er den neste store grensen for AI-drevet kreativitet.

Mens kunstig intelligens raskt har forandret hvordan tekst, bilder og video produseres, har lyd sakket akterut. Musikk, lydeffekter og omgivelseslyd er fortsatt arbeidskrevende, og legges ofte til sent i den kreative prosessen til tross for deres enorme innflytelse på hvordan innhold oppfattes. Mirelos ambisjon er å endre dette ved å gjøre lyd av høy kvalitet, følelsesmessig resonant, like enkel å generere som visuelle elementer.

Hvorfor lyd har blitt glemt

Lyd har en unik evne til å forme følelser, spenning og atmosfære. En stumvideo, uansett hvor visuelt imponerende den er, føles sjelden komplett. Likevel betyr det å legge til lyd fortsatt å søke gjennom arkivbiblioteker, manuelt justere lydeffekter og iterere gjennom tidslinjer til alt føles riktig.

Denne uoverensstemmelsen har blitt tydeligere etter hvert som videoproduksjonen akselererer. AI-genererte bilder, kortformat sosialt innhold og adaptive spillmiljøer beveger seg raskere enn tradisjonelle lydarbeidsflyter kan støtte. Resultatet er et økende gap mellom hva skapere kan forestille seg visuelt og hva de realistisk kan utføre lydmessig.

Mirelos grunnleggere så dette gapet ikke som en begrensning av kreativiteten, men som en begrensning av verktøyet.

Bygge fundamentmodeller for lyd

Mirelo ble grunnlagt i 2023 og har utviklet sine egne grunnleggende modeller spesielt designet for lyd i video. I stedet for å gjenbruke store språkmodeller eller bildebaserte systemer, fokuserte selskapet på lyd fra grunnen av. En bruker kan laste opp en video og i løpet av sekunder motta synkroniserte lydeffekter som reagerer på bevegelse, timing og hendelser på skjermen.

Denne tilnærmingen er spesielt relevant i miljøer der innholdet er dynamisk. AI-genererte videoer, personlige sosiale feeder og moderne videospill drar alle nytte av lyd som kan tilpasses i sanntid. Mirelos system genererer lyd raskere enn sanntid, slik at det kan holde tritt med opplevelser som endrer seg underveis.

Selskapet lanserte nylig Mirelo SFX v1.5, en video-til-lyd-effekt-modell som er tilgjengelig gjennom deres selvbetjente API og webapplikasjon, Mirelo Studio. Ifølge selskapet er modellene deres lette og krever betydelig mindre databehandling enn typiske store språkmodeller, samtidig som de leverer konkurransedyktig eller overlegen lydkvalitet i eksterne evalueringer.

Musikere i teknologiens kjerne

Et av Mirelos definerende kjennetegn er grunnleggerteamet. Administrerende direktør CJ Simon-Gabriel og CTO Florian Wenzel er både dyktige musikere og erfarne AI-forskere. Simon-Gabriel har en doktorgrad i maskinlæring og kausal inferens fra Max Planck-instituttet og fullførte et postdoktorstipend ved ETH Zürich. Wenzel tok sin doktorgrad i dyp læring fra Humboldt-universitetet og jobbet tidligere som forsker ved Google Brain.

Musikk har vært en konstant parallell tråd i begge livene deres. Simon-Gabriel utdannet seg i piano, orgel og komposisjon, og har snakket åpent om at han nesten begynte å satse på musikken sin profesjonelt. Wenzel fortsetter å spille elektrisk gitar og produsere elektronisk musikk som en del av et Berlin-basert band.

Denne doble bakgrunnen har formet Mirelos kultur og tekniske retning. I stedet for å behandle lyd som en sekundær output, tilnærmer teamet seg den som et primært kreativt medium, et medium der matematisk presisjon og uttrykksfulle nyanser må sameksistere.

Hva skjer videre med AI-generert lyd?

Mirelos langsiktige ambisjon strekker seg langt utover enkel automatisering. Selskapet ser teknologien sin som en måte å fjerne friksjon fra kreativt arbeid, og håndtere oppgaver som synkronisering og timing slik at artister og lyddesignere kan fokusere på uttrykk og historiefortelling.

Etter hvert som visuelt innhold blir mer personlig og interaktivt, må lyd utvikle seg i takt med det. Spill som tilpasser seg spilleratferd, videoer generert på forespørsel og oppslukende virtuelle miljøer krever alle lyd som kan reagere dynamisk i stedet for å være fiksert på forhånd.

Når vi ser fremover, teknologier som Mirelos kan omdefinere hvordan lyd skapes, deles og oppleves. I stedet for statiske lydspor kan lyd bli en levende komponent av visuelle medier, generert i sanntid for å matche kontekst, følelser og intensjon. I den fremtiden er lyd ikke lenger en ettertanke, men et integrert lag vevd direkte inn i hvordan historier fortelles på tvers av video, spill, film og nye digitale verdener.