Попытка сгенерировать музыку и звуковые эффекты на основе видео

Автор делится опытом создания видео с помощью H3 и спрашивает о рабочих процессах для автоматической генерации музыки и звуков окружающей среды, визуально интерпретирующих видеоряд. Интересует возможность улучшения качества аудио, так как исходный звук от генеративных моделей оказался неудовлетворительным.