Volcengine Video Lip Sync AI-læbesynkronisering af video

Brug den, når kildevideoen allerede er det visuelle resultat, du vil bevare, og kun den talte præstation skal følge et andet stemmespor. Det er en arbejdsgang til læbesynkronisering af video og lyd, ikke en promptstyret videogenerator eller portrætanimationsmodel.

Upload præcis én MP4- eller MOV-video på højst 95 MB og én MP3-, M4A-, WAV-, AAC- eller OGG-lydfil på højst 10 MB. Videoen skal ligge inden for den understøttede geometri fra 360p til 1080p, 24 til 60 fps og intervallet 1 til 30 Mbps, og begge filer skal have en positiv kontrolleret varighed.

Vælg Lite til én person, der vender mod kameraet, når hurtigere behandling og indstillinger til justering af lyd og video er nyttige. Vælg Basic til en mere kompleks scene med én person, især når sceneopdeling og taleridentifikation er nødvendige.

I Lite-tilstand kan lydjusteringen gentage videoen, når den ønskede lyd er længere. Omvendt gentagelse er kun tilgængelig, når justeringen er slået til, og skabelonens startværdi vælger, hvor kildesekvensen begynder. Basic-tilstand bruger ikke disse indstillinger.

Rivya bruger en sats på 8 kreditter pr. kontrolleret lydsekund, og outputvarigheden følger denne lyd. Decimalvarigheden indgår i hele beregningen, og kun det samlede reservationsbeløb rundes op til en hel kredit. Når der rapporteres et gyldigt faktisk forbrug, som ikke er højere end reservationen, afregner Rivya efter det; manglende, ugyldigt eller højere forbrug end reserveret forbliver i afstemning i stedet for at udløse en skjult ekstrabetaling.

Par én eksisterende video med én person med ét ønsket stemmespor, så den synlige tale følger den nye lyd, mens kildeoptagelsen forbliver det visuelle grundlag.

Brug en understøttet MP4- eller MOV-fil med en tydeligt synlig taler, og forbered derefter et rent stemmespor. Kontrollér, at videoen ikke er større end 95 MB, og at opløsning, billedhastighed og bitrate ligger inden for de angivne grænser.

Start med Lite til enkle frontvendte optagelser. Brug Basic, når scenen er mere kompleks, eller når sceneopdeling og taleridentifikation er nyttige.

Oplysningerne er offentlige, men uploads og generering kræver login. Prisen er 8 kreditter pr. kontrolleret lydsekund, resultatet følger lydens varighed, og kun det endelige beregnede beløb rundes op.

Bliv her til én test med kildevideo og stemmespor. Åbn Studio til gemte eftersynkroniseringer, gentagne sprog eller optagelser, sammenligningsarbejde eller en længere lokaliseringsarbejdsgang.