Wprowadzenie
Co robi ten endpoint
VEED Dubbing Pro tłumaczy mowę z video_url na target_language, odtwarza ją klonem głosu każdej osoby i ponownie renderuje usta, aby pasowały do wypowiedzi. Obraz poza ustami pozostaje bez zmian.
Ważne dane wejściowe
target_language obsługuje 94 języki podstawowe i 14 kodów regionalnych, np. es-MX, pt-BR, en-GB lub fr-CA. voice_clone_strength (od 0 do 10, domyślnie 7) określa, ile zachować z oryginalnego głosu i akcentu. source_language jest wykrywany, jeśli go nie ustawisz, a keyterms zawiera do dziesięciu nazw na potrzeby transkrypcji.
Co otrzymasz
Plik MP4 w rozmiarze klatki oryginału przy 25 fps. W naszych testach kwestia trwająca cztery sekundy zajęła niecałe dwie minuty, a dialog trwający osiem sekund nieco ponad dwie minuty.
| Pole | Wartość |
|---|---|
| Wejście | Wideo |
| Wyjście | Wideo |
| Wymagane dane | Film z mową (przesłany plik lub bezpośredni link) oraz język lub akcent docelowy |
| Długość klipu | Do 10 minut |
| Języki dubbingu | 94 języki i 14 akcentów regionalnych |
| Język nagrania | Wykrywany automatycznie lub wybrany spośród 94 języków |
| Podobieństwo głosu | Od 0 do 10, domyślnie 7 |
| Wynik | MP4 w rozmiarze klatki oryginału, 25 fps, ruch ust dopasowany osobno do każdej osoby mówiącej |
| Rozliczenie | Za sekundę nagrania, z zaokrągleniem niepełnych sekund w górę |
Najważniejsze funkcje
Wybierz es-MX i otrzymaj meksykański hiszpański ze zgranymi ruchami ust
Ten sam dialog w piwniczce z winem przetworzyliśmy z es-MX jako językiem docelowym. Niezależny serwis transkrypcji rozpoznał wynik jako meksykański hiszpański. Oboje rozmówcy zachowali własne głosy, a ruchy ich ust zostały wygenerowane na nowo.
Obraz pozostaje ten sam, zmieniają się ruchy ust
Po lewej widać angielski oryginał, a po prawej dubbing w meksykańskim hiszpańskim — dokładnie w tej samej chwili. Twarze, stroje i scenografia są identyczne; różnica tkwi w tym, jak usta każdej osoby układają się do nowych słów.
Zdecyduj, ile oryginalnego głosu chcesz zachować
voice_clone_strength przyjmuje wartości od 0 do 10, domyślnie 7. Zwiększ wartość, aby zachować akcent i barwę głosu rozmówcy, lub zmniejsz ją, jeśli kwestia ma brzmieć tak, jakby nagrał ją rodzimy użytkownik języka.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
video_url | Tak | Nagranie do dubbingu, do 10 minut, ze słyszalną mową. Prześlij plik lub podaj bezpośredni link; nieczytelne linki są odrzucane przed naliczeniem opłaty. od 1 znaków |
target_language | Tak | Wymagane. Język podstawowy (94) lub akcent regionalny (14), np. |
source_language | Nie | Język używany w klipie. auto (domyślnie) wykrywa go automatycznie; wybierz język, jeśli wykrywanie się pomyli. |
voice_clone_strength | Nie | Od 0 do 10, domyślnie 7. Wyższe wartości zachowują więcej głosu i akcentu każdej osoby; niższe brzmią bardziej naturalnie w języku docelowym. |
keyterms | Nie | Do 10 nazw lub krótkich wyrażeń, które mają być zapisane dokładnie w transkrypcji. Każde może mieć najwyżej 50 znaków i 5 słów, bez < > { } [ ] ani ukośników odwrotnych. do 10 elementów |
Cennik
$0.24 / sekundę wyniku
Opłata za sekundę oryginalnego nagrania, z zaokrągleniem niepełnych sekund w górę, dla klipów do 10 minut. Przed wysłaniem rezerwujemy kwotę za rzeczywistą długość przesłanego pliku lub za 10 minut przy podaniu linku. Różnicę zwalniamy przy rozliczeniu. Akcent, voice_clone_strength i keyterms są wliczone w cenę. Nieudane żądanie nic nie kosztuje.
Zastosowania
Wywiady i programy z dwojgiem prowadzących
Publikuj filmowane panele i podcasty na innych rynkach. Każda osoba prowadząca zachowuje rozpoznawalny głos i otrzymuje dopasowany ruch ust.
Wersje na konkretne rynki
Z jednego materiału źródłowego stwórz wersje dla Meksyku i Hiszpanii lub Brazylii i Portugalii, każdą z akcentem oczekiwanym przez lokalnych widzów.
Filmy marki i szkolenia
Lokalizuj filmy szkoleniowe lub wizerunkowe z prowadzącym w jakości studyjnej, bez angażowania aktorów dubbingowych do każdego języka.
Wskazówki
Zacznij od nagrania
Prześlij wywiad, panel lub film z prowadzącym o długości do 10 minut. Może w nim mówić dwoje lub więcej uczestników. Dobrze oświetl twarze, aby uzyskać najlepsze dopasowanie ust.
Wybierz język lub akcent
Ustaw
target_languagena kod podstawowy, np. de, lub regionalny, np. es-MX, fr-CA czy en-GB, jeśli odbiorcy oczekują tego akcentu.Ustaw, ile zachować z oryginalnego głosu
Domyślna wartość
voice_clone_strengthto 7. Zwiększ ją, aby zachować więcej oryginalnego akcentu i barwy głosu; zmniejsz, jeśli ważniejsza jest naturalna wymowa w języku docelowym.
Wprowadzenie
VEED Dubbing Pro to studyjny wariant dubbingu VEED. Tłumaczy mowę w klipie, nadaje każdej osobie klon jej własnego głosu, pozwala wybrać akcent regionalny i renderuje usta ponownie, aby wyglądały na wypowiadające nowy dialog.
Funkcje i zalety
Akcenty oprócz języków
Wyślij es-MX zamiast es lub en-GB zamiast en. Niezależny system transkrypcji rozpoznał nasz dubbing dialogu dwojga osób na hiszpański meksykański właśnie jako hiszpański meksykański.
Regulacja podobieństwa głosu
voice_clone_strength przyjmuje wartości od 0 do 10. Domyślna siódemka zachowuje rozpoznawalność każdego głosu. Ustaw 10, by uzyskać niemal kopię oryginału, lub zbliż się do 0, by wymowa brzmiała bardziej naturalnie w języku docelowym.
Z myślą o wielu osobach mówiących
VEED poleca ten wariant do wywiadów, paneli i formatów z dwojgiem prowadzących. W naszym teście dialogu obie osoby zachowały odrębne głosy i otrzymały własne ruchy ust.
Zastosowania
Wersje regionalne z jednego materiału
Stwórz wersję dla Hiszpanii i drugą dla Meksyku z tego samego nagrania, każdą z akcentem oczekiwanym przez odbiorców.
Programy z kilkorgiem prowadzących
Filmowane podcasty i panele trafiają na nowe rynki, a każda osoba prowadząca nadal brzmi jak ona sama.
Poradnik i wskazówki
Wybierz akcent swoich odbiorców
Kod regionalny ma znaczenie tylko w językach z odmianami. Dla niemieckiego lub japońskiego dostępny jest jedynie kod podstawowy, a oznaczenie regionu jest ignorowane.
Zacznij od wartości domyślnej
Wykonaj pierwszą próbę z wartością 7. Jeśli oryginalny akcent jest zbyt silny, obniż ją o jeden lub dwa stopnie; jeśli głos przestaje przypominać daną osobę, podnieś wartość.
Oświetl twarze
Dopasowanie ust wymaga widocznych ust. Zbliżenia i plany średnie z wyraźnymi twarzami dają najlepszy efekt.
Szybki start z 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"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
