Volcengine Video Lip Sync Đồng bộ khẩu hình video AI

Dùng công cụ khi video nguồn đã là kết quả hình ảnh cần giữ và chỉ phần lời nói cần đi theo một bản thu giọng khác. Đây là quy trình đồng bộ khẩu hình giữa video và âm thanh, không phải trình tạo video dẫn bằng prompt hay mô hình hoạt họa chân dung.

Tải lên đúng một video MP4 hoặc MOV tối đa 95 MB và một tệp âm thanh MP3, M4A, WAV, AAC hoặc OGG tối đa 10 MB. Video phải nằm trong hình học được hỗ trợ từ 360p đến 1080p, 24 đến 60 fps và 1 đến 30 Mbps, đồng thời cả hai tệp phải có thời lượng đã xác minh dương.

Chọn Lite cho một người nhìn thẳng vào máy quay khi xử lý nhanh hơn và các điều khiển căn âm thanh theo video hữu ích. Chọn Basic cho cảnh một người phức tạp hơn, đặc biệt khi cần phân đoạn cảnh và nhận diện người nói.

Trong chế độ Lite, căn chỉnh âm thanh có thể lặp video khi âm thanh mục tiêu dài hơn. Lặp ngược chỉ có khi bật căn chỉnh, và giá trị bắt đầu template chọn vị trí chuỗi nguồn bắt đầu. Chế độ Basic không dùng các điều khiển này.

Rivya dùng mức 8 credit cho mỗi giây âm thanh đã xác minh, và thời lượng đầu ra đi theo âm thanh đó. Thời lượng thập phân được giữ trong toàn bộ phép tính và chỉ tổng tạm giữ được làm tròn lên một credit nguyên. Khi mức sử dụng thực tế hợp lệ và không cao hơn khoản tạm giữ được báo cáo, Rivya quyết toán theo mức đó; mức sử dụng bị thiếu, không hợp lệ hoặc cao hơn khoản tạm giữ sẽ được đưa vào đối soát thay vì phát sinh một khoản trừ bổ sung ngầm.

Ghép một video một người hiện có với một bản thu giọng mục tiêu để lời nói nhìn thấy đi theo âm thanh mới, trong khi cảnh nguồn vẫn là nền tảng hình ảnh.

Dùng tệp MP4 hoặc MOV được hỗ trợ với người nói nhìn rõ, sau đó chuẩn bị một bản thu giọng sạch. Kiểm tra video không lớn hơn 95 MB và độ phân giải, tốc độ khung hình, bitrate nằm trong các giới hạn đã liệt kê.

Bắt đầu với Lite cho cảnh nhìn thẳng đơn giản. Dùng Basic khi cảnh phức tạp hơn hoặc khi phân đoạn cảnh và nhận diện người nói hữu ích.

Thông tin chi tiết được công khai, nhưng tải tệp lên và tạo yêu cầu đăng nhập. Giá là 8 credit cho mỗi giây âm thanh đã xác minh, kết quả theo thời lượng âm thanh và chỉ tổng tính cuối được làm tròn lên.

Ở lại đây cho một thử nghiệm video nguồn và bản thu giọng. Mở Studio để lưu các bản lồng tiếng, lặp lại nhiều ngôn ngữ hoặc take, làm công việc so sánh hay xây một quy trình bản địa hóa dài hơn.