Introducción
Qué hace este endpoint
VEED Dubbing Pro traduce el habla de video_url a target_language, le da voz con un clon de cada hablante y vuelve a renderizar sus bocas para sincronizarlas. La imagen fuera de las bocas se conserva.
Entradas clave
target_language admite 94 idiomas base y 14 códigos regionales como es-MX, pt-BR, en-GB o fr-CA. voice_clone_strength (de 0 a 10, predeterminado 7) decide cuánto se conserva de la voz y el acento originales. source_language se detecta si no lo defines, y keyterms recoge hasta diez nombres para la transcripción.
Qué recibes
Un MP4 con las dimensiones del original y 25 fps. En nuestras pruebas, una frase de cuatro segundos tardó algo menos de dos minutos, y un diálogo de ocho segundos algo más de dos minutos.
| Campo | Valor |
|---|---|
| Entrada | Video |
| Salida | Video |
| Entrada obligatoria | Video hablado (subida o enlace directo al archivo) e idioma o acento de destino |
| Duración del clip | Hasta 10 minutos |
| Idiomas de doblaje | 94 idiomas y 14 acentos regionales |
| Idioma hablado | Detección automática o selección entre 94 idiomas |
| Similitud de voz | De 0 a 10, valor predeterminado 7 |
| Facturación | Por segundo de video, redondeando las fracciones hacia arriba |
Funciones y aspectos destacados
Envía es-MX y obtén español de México con los labios sincronizados
Procesamos el mismo diálogo en la bodega de vinos con es-MX como idioma de destino. Un servicio de transcripción independiente identificó el resultado como español de México. Ambas personas conservaron su propia voz y sus bocas se recrearon para el doblaje.
La imagen se mantiene mientras cambian las bocas
En el mismo instante, el original en inglés aparece a la izquierda y el doblaje al español de México a la derecha. Los rostros, el vestuario y el escenario son idénticos; la diferencia está en cómo cada boca articula las nuevas palabras.
Decide cuánto conservar de la voz original
voice_clone_strength va de 0 a 10 y su valor predeterminado es 7. Súbelo para conservar el acento y el timbre propios de cada persona, o bájalo si quieres que la frase suene como si la hubiera grabado un hablante nativo.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
video_url | Sí | El video que quieres doblar, de hasta 10 minutos y con voz audible. Sube el archivo o envía un enlace directo; los enlaces ilegibles se rechazan antes de cobrar. mínimo 1 caracteres |
target_language | Sí | Obligatorio. Un idioma base (94) o un acento regional (14), como es-MX, pt-BR, en-GB o fr-CA. |
source_language | No | El idioma hablado en el clip. auto (predeterminado) lo detecta; elige un idioma si la detección falla. |
voice_clone_strength | No | De 0 a 10, predeterminado 7. Los valores altos conservan más la voz y el acento de cada hablante; los bajos suenan más nativos en el idioma de destino. |
keyterms | No | Hasta 10 nombres o frases breves que deban transcribirse exactamente, de un máximo de 50 caracteres y 5 palabras cada uno, sin < > { } [ ] ni barras invertidas. máximo 10 elementos |
Precios
$0.24 / segundo de salida
Se cobra por segundo del video original, redondeando las fracciones hacia arriba, para clips de hasta 10 minutos. Antes del envío, reservamos el importe de la duración real si subes el clip, o de 10 minutos si envías un enlace. La diferencia se libera al liquidar el cobro. El acento, voice_clone_strength y keyterms están incluidos. Las solicitudes fallidas no tienen costo.
Casos de uso
Entrevistas y programas con dos presentadores
Publica mesas redondas y pódcast grabados en video en otros mercados, con una voz reconocible para cada presentador y movimientos de labios sincronizados.
Versiones para cada mercado
Crea versiones para México y España, o para Brasil y Portugal, a partir del mismo máster, cada una con el acento que espera el público local.
Videos de marca y formación
Localiza videos de formación o de marca con presentador con calidad de estudio, sin contratar voces de doblaje para cada idioma.
Guía de prompts y consejos prácticos
Empieza con tu video
Sube una entrevista, una mesa redonda o un video con presentador de hasta 10 minutos. Puede haber dos o más hablantes. Ilumina bien sus caras para mejorar la sincronía de la boca.
Elige un idioma o un acento
Configura
target_languagecon un código base como de, o uno regional como es-MX, fr-CA o en-GB si tu público espera ese acento.Ajusta cuánto conservar de la voz
voice_clone_strengthtiene un valor predeterminado de 7. Súbelo para conservar el acento y el timbre originales; bájalo si prefieres una pronunciación más nativa.
Introducción
VEED Dubbing Pro es el nivel de doblaje de estudio de VEED. Traduce el habla de un clip, dobla a cada hablante con un clon de su propia voz, permite elegir un acento regional y vuelve a renderizar los labios para que parezcan pronunciar el nuevo diálogo.
Funciones y ventajas
Acentos, además de idiomas
Envía es-MX en lugar de es, o en-GB en lugar de en. Un servicio de transcripción independiente reconoció como español de México nuestro doblaje a ese acento de un diálogo entre dos personas.
Un control de similitud de voz
voice_clone_strength va de 0 a 10. Siete, el valor predeterminado, mantiene reconocible a cada hablante. Súbelo a 10 para obtener una voz casi idéntica a la original, o acércalo a 0 para una pronunciación más nativa.
Diseñado para varios hablantes
VEED recomienda este nivel para entrevistas, mesas redondas y formatos con dos presentadores. En nuestra prueba de diálogo, cada persona conservó una voz distinta y obtuvo sus propios movimientos de labios.
Casos de uso
Versiones regionales desde un solo máster
Crea una versión para España y otra para México con el mismo video, cada una con el acento que espera su público.
Programas con varios presentadores
Los pódcast y las mesas redondas grabados en video llegan a nuevos mercados y cada presentador sigue sonando como él mismo.
Guía y consejos de uso
Elige el acento de tu público
Un código regional solo influye en los idiomas con variantes. Para alemán o japonés solo existe el código base y se ignora la etiqueta regional.
Empieza con la intensidad predeterminada
Haz la primera prueba con 7. Si el acento original pesa demasiado, baja uno o dos puntos; si la persona ya no suena como ella misma, sube el valor.
Ilumina las caras
La sincronía depende de que la boca sea visible. Los primeros planos y planos medios con caras bien definidas dan el mejor resultado.
Inicio rápido de la API
# 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"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
