Einführung
Was dieser Endpunkt macht
VEED Dubbing hört die Sprache in video_url, übersetzt sie in target_language, vertont sie mit einer geklonten Stimme für jeden Sprecher und zeichnet den Mundbereich passend zu den neuen Worten neu. Der Rest jedes Bildes bleibt unverändert.
Wichtige Eingaben
target_language ist eine von 86 Basissprachen. source_language steht standardmäßig auf auto; ändere den Wert nur, wenn die Erkennung die falsche Sprache wählt. keyterms nimmt bis zu zehn Namen oder kurze Ausdrücke auf, die die Spracherkennung genau in deiner Schreibweise übernehmen soll.
Was du zurückbekommst
Eine MP4 in Originalbildgröße mit 25 fps und ungefähr der Länge des Originals. In unseren Tests war ein viersekündiger Clip nach etwa 80 Sekunden fertig, ein achtsekündiger Dialog mit zwei Personen nach etwa vier Minuten.
| Feld | Wert |
|---|---|
| Eingabe | Video |
| Ausgabe | Video |
| Erforderliche Eingabe | Video mit Sprache (Upload oder direkter Dateilink) und Zielsprache |
| Cliplänge | Bis zu 10 Minuten |
| Zielsprachen | 86 Basissprachen |
| Ausgangssprache | Automatisch erkannt oder eine von 86 Sprachen |
| Stimmen | Alle Sprecher werden aus dem Clip geklont |
| Abrechnung | Pro Sekunde des Ausgangsclips, aufgerundet |
Wichtige Funktionen und Highlights
Eine Szene mit zwei Personen, auf Spanisch synchronisiert und mit neu gezeichneten Mundpartien
Unser achtsekündiger Dialog im Weinkeller kam auf Spanisch zurück, mit angepassten Lippenbewegungen bei beiden Personen. Nur der Bereich um den jeweiligen Mund wird neu gezeichnet. Fässer, Glas und Beleuchtung stimmen Bild für Bild mit dem Original überein.
Dasselbe Bild, eine neue Mundform
Vergleichen Sie denselben Moment nebeneinander: links die englische Originalaufnahme, rechts die spanische Synchronfassung. Der Mund des Mannes formt nun die spanische Zeile, während sein übriges Gesicht, sein Bart und der Hintergrund so bleiben wie gefilmt.
Jede Stimme wird direkt aus dem Clip geklont
Sie müssen weder eine Funktion aktivieren noch Referenzaudio hochladen. Jede Stimme der Synchronfassung entsteht aus den eigenen Dialogzeilen der jeweiligen Person. Bei zwei Sprechenden bleiben so auch in der neuen Sprache zwei unterschiedliche Stimmfarben erhalten.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
video_url | Ja | Der zu vertonende Clip, bis zu 10 Minuten lang, mit Sprache in der Tonspur. Lade ihn hoch oder verlinke direkt auf die Videodatei. mindestens 1 Zeichen |
target_language | Ja | Erforderlich. Eine von 86 Basissprachen für die Synchronisation. |
source_language | Nein | Die im Clip gesprochene Sprache. Standard ist auto zur automatischen Erkennung. |
keyterms | Nein | Bis zu 10 Namen oder kurze Ausdrücke, die die Spracherkennung exakt übernehmen soll. Jeweils höchstens 50 Zeichen und 5 Wörter, ohne < > { } [ ] oder Backslashes. höchstens 10 Einträge |
Preis
$0.144 / Ausgabesekunde
Abrechnung pro Sekunde des Ausgangsclips, auf die nächste volle Sekunde aufgerundet, bis zu 10 Minuten. Die Schätzung vor dem Absenden nutzt bei Uploads die Cliplänge und bei Links die maximale Dauer von 10 Minuten. Die Differenz wird bei der Endabrechnung freigegeben. Sprachwahl und keyterms ändern den Preis nicht. Fehlgeschlagene Anfragen werden nicht berechnet.
Anwendungsfälle
Clips mit direkter Ansprache für neue Märkte
Wer vor der Kamera spricht, kann dieselbe Aufnahme auf Spanisch, Deutsch oder Japanisch veröffentlichen. Die Lippen folgen dabei den neuen Worten.
Werbe- und Produktclips
Kurze Clips mit einer moderierenden Person lassen sich ohne neuen Dreh und ohne Synchronsprecher lokalisieren. Die Kosten richten sich nach der Videolänge in Sekunden.
Figuren aus Videomodellen
Eine generierte englischsprachige Figur lässt sich neu vertonen und lippensynchron anpassen, damit die Szene auch in einer anderen Sprache natürlich wirkt.
Prompt-Leitfaden und Praxistipps
Clip mit klarer Sprache senden
Lade das Video hoch oder verlinke direkt auf die Datei. Gut beleuchtete, zur Kamera gerichtete Gesichter liefern die saubersten Mundbewegungen.
Zielsprache wählen
Wähle
target_languageaus 86 Basissprachen. Lasssource_languageauf auto, sofern die Erkennung nicht wiederholt die falsche Sprache wählt.Wichtige Namen angeben
Ergänze bis zu zehn keyterms, etwa Marken- oder Figurennamen, damit die Spracherkennung deine Schreibweise übernimmt.
Einführung
VEED Dubbing ist die Standardstufe der Synchronisations-API von VEED. Sende einen Clip mit Sprache über video_url und wähle target_language. Du erhältst ihn in dieser Sprache zurück, mit geklonten Stimmen aller Sprecher und Lippenbewegungen, die zur Übersetzung passen.
Funktionen & Highlights
Die Lippen folgen der neuen Sprache
Bei jedem sichtbaren Sprecher wird der Mundbereich neu gezeichnet. In unserem Weinkeller-Test wurden sowohl die Frau als auch der Mann lippensynchron an Spanisch angepasst. Fässer, Glas und Beleuchtung blieben unverändert.
Stimmen bleiben wiedererkennbar
Dafür gibt es keinen Schalter: Jede Stimme wird direkt aus dem Clip geklont. So bleibt die Klangfarbe ohne separate Stimmprobe erhalten.
Übersetzung mit Sinn für Bedeutung
In unserem Test erzählte eine Frau, sie sei allein in den Keller gebracht worden. Die Übersetzung verwendete „a solas“ und vermied damit einen Fehler beim grammatischen Geschlecht, der bei einer wörtlichen Übersetzung entstehen kann.
Einsatzmöglichkeiten
Ein Creator, mehrere Sprachen
Einmal aufnehmen und für jeden Zielmarkt veröffentlichen – mit Lippenbewegungen, die zur jeweiligen Version passen.
Generierte Szenen lokalisieren
Vertone Figuren aus einem Videomodell in der Sprache deines Publikums und behalte überzeugende Mundbewegungen.
Eingabetipps & Profi-Hinweise
Gesichter sichtbar halten
Gut beleuchtete, zur Kamera gerichtete Gesichter liefern die klarste Lippensynchronität. Auch bei Totalen und verdeckten Gesichtern wird der Ton übersetzt, doch am Mund ändert sich sichtbar nur wenig.
keyterms für Namen nutzen, nicht für Übersetzungen
Keyterms helfen der Transkription, Namen oder Marken zu erkennen; sie sind keine Begriff-Übersetzungs-Paare. Schreibe jeden Begriff so, wie er im Clip gesprochen wird.
Regionalen Akzent gesucht?
Diese Stufe bietet Basissprachen. Regionale Akzente und die Einstellung der Stimmähnlichkeit gibt es bei VEED Dubbing Pro.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "veed/dubbing/video-translate",
"input": {
"source_language": "auto",
"target_language": "af",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
