Introdução
O que este endpoint faz
VEED Dubbing Pro traduz a fala de video_url para target_language, dá voz ao texto com um clone de cada pessoa e renderiza as bocas novamente para sincronizá-las. A imagem fora das bocas é preservada.
Entradas importantes
target_language aceita 94 idiomas base e 14 códigos regionais, como es-MX, pt-BR, en-GB ou fr-CA. voice_clone_strength (de 0 a 10, padrão 7) define quanto da voz e do sotaque originais é preservado. source_language é detectado se você não o definir, e keyterms lista até dez nomes para a transcrição.
O que você recebe
Um MP4 nas dimensões do original e a 25 fps. Nos nossos testes, uma fala de quatro segundos levou pouco menos de dois minutos, e um diálogo de oito segundos levou pouco mais de dois minutos.
| Campo | Valor |
|---|---|
| Entrada | Vídeo |
| Saída | Vídeo |
| Entrada obrigatória | Vídeo com fala (upload ou link direto para o arquivo) e idioma ou sotaque de destino |
| Duração do clipe | Até 10 minutos |
| Idiomas de dublagem | 94 idiomas e 14 sotaques regionais |
| Idioma falado | Detecção automática ou escolha entre 94 idiomas |
| Semelhança da voz | De 0 a 10, padrão 7 |
| Cobrança | Por segundo de vídeo, com frações arredondadas para cima |
Recursos e destaques
Envie es-MX e receba espanhol do México com os lábios sincronizados
Processamos o mesmo diálogo na adega com es-MX como idioma de destino. Um serviço de transcrição independente identificou o resultado como espanhol do México. As duas pessoas mantiveram suas próprias vozes, com as bocas recriadas para a dublagem.
A imagem permanece enquanto as bocas mudam
No mesmo instante, o original em inglês aparece à esquerda e a dublagem em espanhol do México à direita. Rostos, figurino e cenário são idênticos; a diferença está em como cada boca articula as novas palavras.
Escolha quanto da voz original você quer manter
voice_clone_strength vai de 0 a 10, com valor padrão de 7. Aumente para preservar o sotaque e o timbre de cada pessoa, ou diminua para que a fala soe como se tivesse sido gravada por um falante nativo.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
video_url | Sim | O vídeo a dublar, com até 10 minutos e fala audível. Faça upload do arquivo ou envie um link direto; links ilegíveis são rejeitados antes de qualquer cobrança. pelo menos 1 caracteres |
target_language | Sim | Obrigatório. Um idioma base (94) ou sotaque regional (14), como es-MX, pt-BR, en-GB ou fr-CA. |
source_language | Não | O idioma falado no clipe. auto (padrão) faz a detecção; escolha um idioma se ela estiver errada. |
voice_clone_strength | Não | De 0 a 10, padrão 7. Valores altos preservam mais da voz e do sotaque de cada pessoa; valores baixos soam mais nativos no idioma de destino. |
keyterms | Não | Até 10 nomes ou frases curtas que devem ser transcritos exatamente, cada um com no máximo 50 caracteres e 5 palavras, sem < > { } [ ] ou barras invertidas. no máximo 10 itens |
Preços
$0.24 / segundo de saída
Cobrança por segundo do vídeo original, com frações arredondadas para cima, para clipes de até 10 minutos. Antes do envio, reservamos o valor referente à duração real do vídeo enviado por upload, ou a 10 minutos quando você envia um link. A diferença é liberada no acerto final. Sotaque, voice_clone_strength e keyterms estão incluídos. Solicitações com falha não têm custo.
Casos de uso
Entrevistas e programas com dois apresentadores
Lance debates e podcasts em vídeo em outros mercados, mantendo uma voz reconhecível e movimentos labiais sincronizados para cada apresentador.
Versões para cada mercado
Crie versões para México e Espanha, ou Brasil e Portugal, a partir do mesmo material original, cada uma com o sotaque esperado pelo público local.
Vídeos de marca e treinamento
Localize treinamentos ou filmes de marca com apresentador em qualidade de estúdio, sem contratar dubladores para cada idioma.
Guia de prompt e dicas práticas
Comece pelo vídeo
Envie uma entrevista, um debate ou um vídeo com apresentador de até 10 minutos. Pode haver duas ou mais pessoas falando. Ilumine bem os rostos para melhorar a sincronia da boca.
Escolha um idioma ou sotaque
Defina
target_languagecom um código base como de, ou um regional como es-MX, fr-CA ou en-GB quando o público esperar esse sotaque.Ajuste quanto da voz original preservar
O padrão de
voice_clone_strengthé 7. Aumente para manter mais do sotaque e do timbre originais; diminua para priorizar uma pronúncia nativa.
Introdução
VEED Dubbing Pro é o nível de dublagem de estúdio da VEED. Ele traduz as falas do clipe, dubla cada pessoa com um clone da própria voz, permite escolher um sotaque regional e renderiza os lábios novamente para dar a impressão de que o novo diálogo está sendo falado.
Recursos e destaques
Sotaques, além dos idiomas
Envie es-MX em vez de es, ou en-GB em vez de en. Um serviço independente de transcrição reconheceu como espanhol mexicano a nossa dublagem de um diálogo entre duas pessoas nesse sotaque.
Um ajuste para a semelhança da voz
voice_clone_strength vai de 0 a 10. Sete, o padrão, mantém cada voz reconhecível. Aumente para 10 para obter uma voz quase idêntica à original, ou aproxime de 0 para uma pronúncia mais nativa.
Feito para várias pessoas falando
A VEED recomenda este nível para entrevistas, debates e formatos com dois apresentadores. No nosso teste de diálogo, cada pessoa manteve uma voz distinta e recebeu seus próprios movimentos labiais.
Casos de uso
Versões regionais a partir do mesmo original
Crie uma versão para a Espanha e outra para o México a partir do mesmo vídeo, cada uma com o sotaque esperado pelo seu público.
Programas com vários apresentadores
Podcasts e debates em vídeo chegam a novos mercados com cada apresentador mantendo sua própria voz.
Guia e dicas de uso
Escolha o sotaque do seu público
Um código regional só faz diferença em idiomas com variantes. Para alemão ou japonês, só existe o código base, e a indicação de região é ignorada.
Comece pela intensidade padrão
Faça o primeiro teste com 7. Se o sotaque original estiver muito forte, reduza um ou dois pontos; se a pessoa deixar de soar como ela mesma, aumente.
Ilumine os rostos
A sincronia depende de a boca estar visível. Planos próximos e médios com rostos nítidos dão o melhor resultado.
Início rápido da 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"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
