Volcengine Video Lip Sync AI-läppsynkronisering för video

Volcengine Video Lip Sync fungerar bäst för omdubbning av ett presentatörsklipp med ett ersättande röstspår, lokalisering av befintliga videor med en talare, korrigering av dialog samtidigt som godkänt material behålls, frontvända klipp för sociala medier, handledningar eller talespersoner, komplext material med en person som har nytta av scendetektering i Basic-läget.

Ladda upp exakt en MP4- eller MOV-video på högst 95 MB och en MP3-, M4A-, WAV-, AAC- eller OGG-ljudfil på högst 10 MB. Videon måste ligga inom den geometri som stöds från 360p till 1080p, 24 till 60 fps och intervallet 1 till 30 Mbps, och båda filerna måste ha en positiv verifierad längd.

Välj Lite för en person som är vänd mot kameran när snabbare bearbetning och kontroller för synkronisering av ljud till video är användbara. Välj Basic för en mer komplex scen med en person, särskilt när scenindelning och talaridentifiering behövs.

I Lite-läget kan ljudsynkronisering loopa videon när målljudet är längre. Omvänd loopning är endast tillgänglig när synkronisering är aktiverad, och startvärdet för mallen väljer var källsekvensen börjar. Basic-läget använder inte dessa kontroller.

Rivya använder en nivå på 8 krediter per verifierad ljudsekund och outputlängden följer ljudet. Decimallängden ingår i hela beräkningen och endast den sammanlagda reservationen avrundas uppåt till en hel kredit. När giltig faktisk användning som inte överstiger reservationen rapporteras reglerar Rivya kostnaden till den. Saknad, ogiltig eller högre användning än reservationen går i stället till avstämning och utlöser ingen dold tilläggsdebitering.

Para ihop en befintlig video med en person med ett målröstspår så att det synliga talet följer det nya ljudet samtidigt som källmaterialet förblir den visuella grunden.

Använd en MP4- eller MOV-fil som stöds och har en tydligt synlig talare och förbered sedan ett rent röstspår. Kontrollera att videon är högst 95 MB och att upplösning, bildfrekvens och bithastighet ligger inom de angivna gränserna.

Börja med Lite för enkelt frontvänt material. Använd Basic när scenen är mer komplex eller när scenindelning och talaridentifiering är användbara.

Detaljerna är offentliga, men uppladdning och generering kräver inloggning. Priset är 8 krediter per verifierad ljudsekund, resultatet följer ljudlängden och endast den slutliga beräknade summan avrundas uppåt.

Stanna här för ett test med en källvideo och ett röstspår. Öppna Studio för sparade dubbningar, upprepade språk eller tagningar, jämförelsearbete eller ett längre lokaliseringsflöde.