はじめに
このエンドポイントでできること
VEED Dubbing Pro は video_url の音声を target_language に翻訳し、話者それぞれの声を複製して吹き替え、セリフに合わせて口元を描き直します。口元以外の映像は保ちます。
主な入力項目
target_language は 94 の基本言語と、es-MX、pt-BR、en-GB、fr-CA など 14 の地域コードに対応します。voice_clone_strength（0 から 10、初期値 7）で、元の声やアクセントをどれだけ残すかを設定します。source_language は指定しなければ自動検出され、keyterms には文字起こしで使う名前を最大十個指定できます。
出力内容
元のフレームサイズ、25 fps の MP4 を出力します。検証では、四秒のセリフは二分弱、八秒の会話は二分を少し超える時間で処理が完了しました。
| 項目 | 値 |
|---|---|
| 入力 | 動画 |
| 出力 | 動画 |
| 必須入力 | 会話のある動画（アップロードまたはファイルへの直接リンク）と、吹き替え先の言語またはアクセント |
| 動画の長さ | 最大 10 分 |
| 吹き替え先 | 94 言語と 14 種類の地域別アクセント |
| 元の音声の言語 | 自動検出、または 94 言語から指定 |
| 声の再現度 | 0 から 10、初期値 7 |
| 課金 | 元の映像の長さに応じた秒単位課金、秒未満は切り上げ |
主な機能とハイライト
es-MX を指定して、口の動きも合うメキシコのスペイン語に
同じワインセラーの会話を、吹き替え先に es-MX を指定して処理しました。第三者の文字起こしサービスでも、結果はメキシコのスペイン語と判定されました。どちらの話者も自分の声を保ち、口元は新しいセリフに合わせて描き直されています。
口の動きが変わっても、映像はそのまま
同じ瞬間を切り出し、左に英語の元映像、右にメキシコのスペイン語への吹き替え映像を並べています。顔も衣装もセットも同じです。変わるのは、新しい言葉を話す口の形です。
元の声をどれだけ残すか、自由に調整
voice_clone_strength は 0 から 10 まで設定でき、初期値は 7 です。値を上げると話者本来のアクセントや声色を保ち、下げるとネイティブが収録したような話し方に近づけられます。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
video_url | はい | 吹き替える映像です。長さは 10 分までで、聞き取れる音声が必要です。 1 文字以上 |
target_language | はい | 必須です。基本言語（94）または地域別アクセント（14）を、es-MX、pt-BR、en-GB、fr-CA などのコードで指定します。 |
source_language | いいえ | 動画で話されている言語です。auto（初期値）で自動検出します。 |
voice_clone_strength | いいえ | 0 から 10 で設定し、初期値は 7 です。値が高いほど話者それぞれの声やアクセントが残り、低いほど翻訳先の言語のネイティブに近い話し方になります。 |
keyterms | いいえ | 文字起こしで正確に表記したい名前や短いフレーズを最大 10 個指定できます。それぞれ 50 文字かつ 5 単語以内にしてください。 10 件以内 |
料金
$0.24 / 出力秒
最大 10 分の動画を、元の長さに応じて秒単位で課金し、秒未満は切り上げます。送信前に、アップロードの場合は実際の動画の長さ分、リンクの場合は 10 分分の金額を仮確保し、精算時に差額を解放します。アクセント、voice_clone_strength、keyterms は料金に含まれます。リクエストが失敗した場合、料金はかかりません。
ユースケース
インタビューや二人の司会者による番組
映像付きのパネルディスカッションやポッドキャストを、ほかの市場でも公開できます。それぞれの司会者らしい声を保ち、口の動きも吹き替えに合わせられます。
市場ごとのバージョン制作
同じマスター映像から、メキシコ向けとスペイン向け、ブラジル向けとポルトガル向けのバージョンを制作できます。それぞれの地域の視聴者になじみのあるアクセントで届けられます。
ブランド動画や研修動画
プレゼンターが出演する研修動画やブランド動画を、言語ごとに吹き替え声優を手配することなく、スタジオ品質でローカライズできます。
プロンプトガイドと実践のヒント
元の映像を用意
インタビュー、パネルディスカッション、プレゼンターの動画をアップロードします。長さは 10 分までで、話者が二人以上でも対応できます。口の動きをより正確に合わせるには、顔が明るく映った映像を使ってください。
言語やアクセントを選択
target_languageに de などの基本言語コードを指定します。視聴者になじみのある地域別アクセントを使う場合は、es-MX、fr-CA、en-GB などを指定してください。元の声を残す度合いを調整
voice_clone_strengthの初期値は 7 です。値を上げると話者本来のアクセントや声色が残り、下げるとネイティブらしい話し方を優先します。
はじめに
VEED Dubbing Pro は、VEED のスタジオ向け吹き替えプランです。動画の音声を翻訳し、話者それぞれの声を複製して吹き替えます。地域別アクセントを選択でき、新しいセリフを実際に話しているように口元を描き直します。
主な機能と特長
言語に加えてアクセントも選択
es-MX を es の代わりに、en-GB を en の代わりに送信します。二人の会話をメキシコのスペイン語に吹き替えた検証では、別の文字起こしサービスでもメキシコのスペイン語と認識されました。
声の再現度を調整
voice_clone_strength は 0 から 10 で設定します。初期値の七では、それぞれの話者らしい声を保ちます。10 に近づけると元の声をほぼそのまま再現し、0 に近づけるとネイティブらしい話し方になります。
複数の話者に対応
VEED は、インタビュー、パネルディスカッション、二人の司会者による番組にこのプランを推奨しています。会話の検証では、二人の話者がそれぞれ別の声を保ち、口の動きも個別に同期されました。
活用例
一つのマスターから地域別に展開
同じ映像からスペイン向けとメキシコ向けのバージョンを制作し、それぞれの視聴者になじみのあるアクセントを使えます。
複数の司会者による番組
映像付きのポッドキャストやパネルディスカッションを、司会者それぞれの声らしさを保ちながら、新しい市場に届けられます。
設定ガイドと活用のヒント
視聴者になじみのあるアクセントを選択
地域コードが有効なのは、地域別バリエーションのある言語だけです。ドイツ語や日本語は基本コードのみで、地域タグは無視されます。
まずは初期値で調整
最初は 7 で試してください。元のアクセントが強く残りすぎる場合は一段階か二段階下げ、話者らしさが薄れた場合は上げてください。
顔を明るく撮影
口の動きを合わせるには、口元が見えることが大切です。顔がはっきり映るクローズアップやミディアムショットで、最も効果を発揮します。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。
