Einführung
Was dieser Endpunkt macht
VEED Dubbing Pro übersetzt die Sprache aus video_url in target_language, vertont sie mit einem Klon jeder Stimme und rendert die Münder passend dazu neu. Das Bild außerhalb der Münder bleibt erhalten.
Wichtige Eingaben
target_language unterstützt 94 Basissprachen und 14 regionale Codes wie es-MX, pt-BR, en-GB oder fr-CA. voice_clone_strength (0 bis 10, Standard 7) bestimmt, wie viel von Originalstimme und Akzent erhalten bleibt. source_language wird automatisch erkannt, sofern Sie es nicht festlegen. keyterms enthält bis zu zehn Namen für die Transkription.
Was Sie zurückbekommen
Eine MP4 in der Bildgröße des Originals mit 25 fps. In unseren Tests dauerte eine viersekündige Zeile knapp zwei Minuten, ein achtsekündiger Dialog etwas über zwei Minuten.
| Feld | Wert |
|---|---|
| Eingabe | Video |
| Ausgabe | Video |
| Erforderliche Eingabe | Video mit Sprache (Upload oder direkter Dateilink) und Zielsprache oder Akzent |
| Cliplänge | Bis zu 10 Minuten |
| Zielsprachen | 94 Sprachen und 14 regionale Akzente |
| Ausgangssprache | Automatisch erkannt oder eine von 94 Sprachen |
| Stimmähnlichkeit | 0 bis 10, Standard 7 |
| Abrechnung | Pro Sekunde Videomaterial, angebrochene Sekunden werden aufgerundet |
Wichtige Funktionen und Highlights
Mit es-MX zu mexikanischem Spanisch – samt passenden Lippenbewegungen
Derselbe Dialog im Weinkeller wurde mit es-MX als Zielsprache verarbeitet. Ein unabhängiger Transkriptionsdienst erkannte das Ergebnis als mexikanisches Spanisch. Beide Personen behielten ihre eigene Stimme, während ihre Mundbewegungen neu erzeugt wurden.
Das Bild bleibt, die Mundbewegungen ändern sich
Links sehen Sie das englische Original, rechts die mexikanisch-spanische Synchronfassung – jeweils im selben Moment. Gesichter, Kleidung und Kulisse sind identisch. Der Unterschied liegt darin, wie die Münder die neuen Wörter formen.
Bestimmen Sie, wie viel von der Originalstimme bleibt
voice_clone_strength reicht von 0 bis 10, der Standardwert ist 7. Erhöhen Sie den Wert, um den eigenen Akzent und die Klangfarbe einer Person zu bewahren. Senken Sie ihn, wenn die Aufnahme wie von einem Muttersprachler klingen soll.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
video_url | Ja | Das zu synchronisierende Video: bis zu 10 Minuten mit hörbarer Sprache. Laden Sie die Datei hoch oder senden Sie einen direkten Dateilink. mindestens 1 Zeichen |
target_language | Ja | Erforderlich. Eine Basissprache (94) oder ein regionaler Akzent (14), etwa es-MX, pt-BR, en-GB oder fr-CA. |
source_language | Nein | Die im Clip gesprochene Sprache. auto (Standard) erkennt sie automatisch. |
voice_clone_strength | Nein | 0 bis 10, Standard 7. Hohe Werte bewahren mehr von der eigenen Stimme und dem Akzent jeder Person. |
keyterms | Nein | Bis zu 10 Namen oder kurze Ausdrücke, die in der Transkription exakt geschrieben werden sollen: jeweils höchstens 50 Zeichen und 5 Wörter, ohne < > { } [ ] oder Backslashes. höchstens 10 Einträge |
Preis
$0.24 / Ausgabesekunde
Abgerechnet wird pro Sekunde des Ausgangsvideos, angebrochene Sekunden werden aufgerundet. Clips dürfen bis zu 10 Minuten lang sein. Vor dem Absenden reservieren wir bei Uploads den Betrag für die tatsächliche Länge, bei Links für 10 Minuten. Die Differenz wird bei der Abrechnung freigegeben. Akzent, voice_clone_strength und keyterms sind enthalten. Fehlgeschlagene Anfragen kosten nichts.
Anwendungsfälle
Interviews und Sendungen mit zwei Hosts
Gefilmte Gesprächsrunden und Podcasts lassen sich in weiteren Märkten veröffentlichen. Jeder Host behält eine erkennbare Stimme und erhält passende Lippenbewegungen.
Versionen für einzelne Märkte
Erstellen Sie aus demselben Master eigene Fassungen für Mexiko und Spanien oder Brasilien und Portugal, jeweils mit dem vor Ort erwarteten Akzent.
Markenfilme und Schulungsvideos
Schulungs- und Markenfilme mit Moderation lassen sich in Studioqualität lokalisieren, ohne für jede Sprache Synchronstimmen zu buchen.
Prompt-Leitfaden und Praxistipps
Mit dem Videomaterial starten
Laden Sie ein Interview, eine Gesprächsrunde oder ein Moderationsvideo mit bis zu 10 Minuten hoch. Auch zwei oder mehr Sprechende sind möglich. Gut ausgeleuchtete Gesichter sorgen für die beste Lippenanpassung.
Sprache oder Akzent wählen
Setzen Sie
target_languageauf einen Basiscode wie de oder auf einen regionalen Code wie es-MX, fr-CA oder en-GB, wenn Ihr Publikum diesen Akzent erwartet.Nähe zur Originalstimme einstellen
Der Standardwert für
voice_clone_strengthist 7. Höhere Werte bewahren mehr vom Akzent und Klang der Originalstimme; niedrigere sorgen für eine muttersprachlichere Aussprache.
Einführung
VEED Dubbing Pro ist der Studiotarif von VEED für Synchronisation. Er übersetzt die Sprache eines Clips, vertont jede Person mit einem Klon ihrer eigenen Stimme, bietet regionale Akzente zur Auswahl und rendert die Lippen passend zum neuen Dialog neu.
Funktionen & Highlights
Akzente zusätzlich zu Sprachen
Senden Sie es-MX statt es oder en-GB statt en. Unser ins mexikanische Spanisch synchronisierter Dialog mit zwei Personen wurde von einem unabhängigen Transkriptionsdienst als mexikanisches Spanisch erkannt.
Stimmähnlichkeit gezielt einstellen
voice_clone_strength reicht von 0 bis 10. Der Standardwert sieben hält jede Stimme erkennbar. Mit 10 erhalten Sie eine nahezu identische Kopie der Originalstimme; Richtung 0 klingt die Zeile muttersprachlicher.
Für mehrere Sprechende ausgelegt
VEED empfiehlt diesen Tarif für Interviews, Gesprächsrunden und Formate mit zwei Hosts. In unserem Dialogtest behielten beide Personen unterschiedliche Stimmen und erhielten jeweils eigene Lippenbewegungen.
Einsatzbereiche
Regionale Fassungen aus einem Master
Erstellen Sie aus demselben Material eine Fassung für Spanien und eine für Mexiko, jeweils mit dem vom Publikum erwarteten Akzent.
Sendungen mit mehreren Hosts
Gefilmte Podcasts und Gesprächsrunden erreichen neue Märkte, wobei alle Hosts weiterhin wie sie selbst klingen.
Anleitung & Profi-Tipps
Den Akzent des Publikums wählen
Ein regionaler Code wirkt nur bei Sprachen mit regionalen Varianten. Für Deutsch oder Japanisch gibt es nur den Basiscode; eine Regionsangabe wird ignoriert.
Mit dem Standardwert starten
Beginnen Sie mit 7. Ist der Originalakzent zu stark, senken Sie den Wert um ein oder zwei Stufen. Klingt eine Person nicht mehr wie sie selbst, erhöhen Sie ihn.
Gesichter ausleuchten
Die Lippenanpassung setzt einen sichtbaren Mund voraus. Nahaufnahmen und Halbnahaufnahmen mit klar erkennbaren Gesichtern erzielen die beste Wirkung.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "veed/dubbing-pro/video-translate",
"input": {
"source_language": "auto",
"target_language": "af",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
