Звуки для монтажа видео: библиотека CC0 и правило трёх звуков

Библиотека, о которой речь, собрана 17 октября 2026 года из пака Kenney Interface Sounds: сто коротких интерфейсных звуков под лицензией CC0, то есть общественное достояние, с правом на коммерческое использование без указания автора. Прежний самодельный набор мы выбросили в тот же день: он был хуже по уровню и по чистоте. Правила звука, которые ниже, старше библиотеки и важнее её.

Порядок: лицензия, состав библиотеки по группам, правило трёх звуков, почему свист запрещён, таблица «действие на экране и звук», приоритет при отборе, громкости, куда ставить по времени, команды ffmpeg и разметка для HTML-композиции, музыка под речью. Если вам нужна не короткая приправа, а музыка под ролик, это в гайде про нейросети для музыки.

Часть 1 · Ответ

Какие звуки брать для монтажа, если коротко

Запросы «смешные звуки для монтажа» и «мемные звуки» это другая задача: там звук сам шутка. Здесь про звук, который помогает понять, что произошло на экране, и не выдаёт шаблон.

Часть 2 · Лицензия

Лицензия: почему CC0, а не просто «бесплатно»

• «Бесплатно скачать» не значит «можно использовать». Звук с сайта-сборника может быть вырезан из фильма или игры, и ролик с ним получит жалобу на платформе или спор с правообладателем.
• CC0 это отказ автора от прав. Можно в коммерцию, можно менять, авторство указывать не нужно. Текст лицензии лежит рядом с файлами пака и перечитывается один раз.
• Сохраняйте авторские имена файлов. Мы оставили названия как у источника, чтобы любой звук можно было найти у автора и показать, откуда он.
• Что с правами на остальное в ролике, в гайде про авторское право и нейросети.

Часть 3 · Состав

Библиотека: сто звуков, разложенных по назначению

Почти все звуки короче четверти секунды: это акценты под появление элемента, а не музыкальные эффекты. Группа задаёт смысл, конкретный файл внутри группы выбирается ухом при первом использовании: внутри группы звуки отличаются тембром, не назначением.

• click, 5 файлов, 0,01-0,10 с. Щелчок: курсор нажал, кнопка сработала.
• select, 8 файлов, 0,04-1,94 с. Выбор: элемент подсветился, пункт встал на место.
• switch, 7 файлов, около 0,5 с. Переключение: сменилось состояние, другой экран.
• toggle, 4 файла, 0,06-0,14 с. Тумблер включили или выключили.
• confirmation, 4 файла, 0,29-0,54 с. Подтверждение: шаг закрыт, получилось.
• error, 8 файлов, 0,10-0,53 с. Отказ, запрет, красный путь.
• question, 4 файла. Вопрос повис, выбор не сделан.
• open и close, по 4 файла. Карточка или панель открылась и ушла.
• maximize и minimize, по 9 файлов. Элемент вырос и занял кадр, элемент уступил место.
• drop, 4 файла. Элемент приземлился, встал в ряд.
• scroll, 5 файлов, около 1 с. Список поехал.
• tick, 3 файла, 0,02-0,06 с. Отсчёт, мелкий шаг, галочка.
• glass, 6 файлов. Тонкий звон, премиальный акцент.
• pluck, bong, glitch, scratch. Щипок, низкий удар, сбой, царапина. По одному-пяти файлов.
• Касса, 2 файла из прежнего набора. В паке кассы нет, а правило «на денежную цифру звучит касса» у нас постоянное, поэтому два файла оставлены.

Часть 4 · Главное правило

Правило трёх звуков

1. Пройти по расшифровке и плану графики и отметить все моменты, где звук уместен по смыслу.
2. Отобрать максимум три. Самые важные по смыслу и эмоции.
3. Если кандидатов четыре и больше, отрезать по приоритету из раздела ниже.
4. Если два-три уже стоят, стоп. Два удачных лучше пяти случайных.

Почему именно так: звук на каждом появлении элемента через пять секунд превращается в клиповую кашу, зритель перестаёт различать события и начинает раздражаться. Три звука на минуту ролика зритель слышит как акценты.

Часть 5 · Запрет

Почему свист выдаёт любителя

• Это звук шаблона. «Вжух» на каждом движении плашки стоит в тысячах роликов, собранных из стоковых пресетов. Зритель узнаёт источник раньше, чем прочитает текст.
• Он озвучивает движение, а не смысл. Свист говорит «элемент переместился». Это и так видно. Полезный звук говорит, что произошло: сработало, отказано, переключилось.
• У нас запрещён навсегда, без исключений, и в выбранном паке его нет. Даже в галереях промптов для моушен-графики, где свист ставят охотно, мы его не берём: правило старше и остаётся.
• Чем заменить. Ничем. Если движение требует звука, значит движение само по себе непонятно, и чинить нужно графику, а не озвучивать её.

Часть 6 · Соответствия

Что под что: действие на экране и звук

Ноль рублём не считается: на «0 ₽» касса не звучит. Если на экране ничего не произошло, звука быть не должно, даже если фраза эмоциональная.

Часть 7 · Отбор

Приоритет, когда кандидатов больше трёх

1. Деньги. Тысяч, миллион, рублей, знак валюты, цена. Денежную цифру слышим всегда, это касса.
2. Драматическое слово. Бан, провал, катастрофа, риск. Эмоциональный пик, низкий удар.
3. Сравнение. Было и стало, X против Y. Переключение на смене состояния.
4. Главное число. Не каждое число, а то, ради которого ролик. Подтверждение в момент, когда счётчик дошёл.
5. Призыв к действию. Финал ролика, тонкий стеклянный акцент.

Всё, что не попало в пятёрку, не озвучивается. Если в ролике три денежных цифры, это не три кассы: касса на главную, остальные без звука, иначе приём стирается.

Часть 8 · Уровни

Громкости

• Стартовые значения из таблицы выше откалиброваны на этом паке: он ровный по уровню и тише самодельных наборов. Единица это без изменений, 0,5 это половина.
• Касса и низкий удар громче остальных. Деньги должны быть слышны, а низкие частоты теряются при сжатии видео на платформах.
• Тики тише всех. Метроном не должен доминировать над речью.
• Дальше ухом по первому ролику. Отрендерить, послушать на телефоне на обычной громкости, поправить. Звуковые акценты не опускаются вместе с музыкой, если она есть.

Часть 9 · Время

Куда ставить по времени: пик, а не начало файла

• Точка берётся из расшифровки. Событие в графике стоит на своём слове, и звук стоит там же. Таймкод слова даёт пословная расшифровка речи, разбор в гайде про монтаж видео нейросетью.
• Совмещается пик звука, а не его начало. У щелчка пик в начале, у нарастающих звуков через секунду. Пик меряется по файлу, и файл сдвигается так, чтобы пик лёг на кадр события.
• Касса бьёт на слове с цифрой. Не за полсекунды до, не после. Это проверяется кадром и ухом одновременно.

ffmpeg -i kenney/confirmation_001.mp3 -af "astats=metadata=1:reset=1,ametadata=print:key=lavfi.astats.Overall.Peak_level" -f null - 2>&1 | grep -n Peak_level | sort -t= -k2 -nr | head -3

Часть 10 · Команды

Как подложить звук: ffmpeg и HTML-композиция

Два способа, в зависимости от того, где собирается ролик.

ffmpeg -y -i clean.mp4 -i kenney/confirmation_001.mp3 -i cash.mp3 -filter_complex "
[1:a]adelay=2400|2400,volume=0.7[s1];
[2:a]adelay=7150|7150,volume=0.85[s2];
[0:a][s1][s2]amix=inputs=3:duration=first:normalize=0[a]" \
-map 0:v -map "[a]" -c:v copy -c:a aac -b:a 192k -movflags +faststart with-sfx.mp4

• adelay сдвигает звук на миллисекунды, два числа через черту это левый и правый канал.
• normalize=0 не даёт amix опустить общий уровень при смешивании, речь остаётся на своей громкости.
• -c:v copy копирует видеопоток: правка звука не стоит повторного рендера картинки, это правило у нас постоянное.

Если графика собирается как HTML-композиция и рендерится в видео, звук кладётся прямо в разметку. Файл должен лежать внутри проекта, у элемента обязателен id, иначе линт ругается и звука в рендере не будет:

mkdir -p sfx && cp ~/automation/sfx/kenney/confirmation_001.mp3 sfx/

<audio id="sfx-confirm" src="sfx/confirmation_001.mp3" data-start="2.4" data-volume="0.5"></audio>

Как устроена такая композиция и чем она рендерится, в гайде про моушен-дизайн нейросетью.

Часть 11 · Музыка

Музыка под речью: воздух, а не второй план

• В коротких роликах с живой речью музыки у нас нет: речь, субтитры, графика и максимум три акцента.
• В длинных музыка идёт еле слышно: разрыв с речью от 25 единиц громкости. Речь около минус 17 LUFS, музыка около минус 42 и ниже.
• Сводить по замеру. Громкость меряется, а не оценивается на слух, и цифры попадают в отчёт.
• Хвост трека подрезается по концу ролика с затуханием, а не обрывом.

ffmpeg -i with-music.mp4 -af ebur128 -f null - 2>&1 | grep -A3 "Integrated loudness"

Часть 12 · Ошибки

Пять ошибок звукового слоя

• Звук на каждое движение. Клиповая каша через пять секунд. Максимум три.
• Свист. Шаблон, узнаваемый с первой секунды.
• Звук по началу файла, а не по пику. Касса опаздывает к цифре на полсекунды, и приём не читается.
• Скачанный «бесплатно» звук без лицензии. Жалоба на платформе на ровном месте.
• Перерендер картинки ради правки звука. Дорожка пересобирается отдельно и подклеивается копированием видеопотока.

Часть 13 · Памятка

Что запомнить про звуки для монтажа

FAQ

Частые вопросы

Читать дальше