การพากย์วิดีโอ
ฉากพร้อมเสียงประกอบ
ฟังเสียงพากย์ ดนตรี และเอฟเฟกต์เสียงที่รวมกันเป็นฉากเดียว
วิดีโอนี้ประกอบด้วยคำอธิบายบนหน้าจอสำหรับบทสนทนา ดนตรี และเอฟเฟกต์Seed Audio 1.5 · เร็วๆ นี้ที่ Popcraft
Seed Audio 1.5. ทุกเสียงที่คุณอยากได้ยิน
เร็วๆ นี้ที่ Popcraft ตัวอย่างเสียงประกอบฉากที่มีทั้งบทสนทนา, บรรยากาศ, เอฟเฟกต์เสียง และดนตรี จากการอ้างอิงข้อความ วิดีโอ และเสียง ทั้งนี้ยังไม่มีการประกาศวันเปิดตัวและราคาบน Popcraft
สำรวจ Seed Audio 1.5 ↓ตัวอย่าง
ฟังในสถานการณ์จริง
ตัวอย่างการสาธิตจากวิดีโอโชว์เคสของ Seed Audio 1.5 สำหรับฟีเจอร์การสร้างสรรค์บน Popcraft กำลังจะมาเร็วๆ นี้
การควบคุมด้วยไทม์สแตมป์
เสียงพากย์ ดนตรี และช่วงเวลาสำคัญ
ฟังเสียงพากย์ ดนตรี และเอฟเฟกต์เสียงหลายรายการที่จัดเรียงตามไทม์สแตมป์ในโฆษณาภาษาอังกฤษ
มีอะไรใหม่
สร้างเสียงได้หลากหลายรูปแบบยิ่งขึ้น
ผสมผสานข้อความ วิดีโอ และเสียงอ้างอิงเพื่อกำหนดผลลัพธ์ที่ต้องการ
| อินพุต / ความสามารถ | วิธีการทำงาน | Audio 1.5 | Audio 1.0 | TTS แบบดั้งเดิม |
|---|---|---|---|---|
| การเปลี่ยนข้อความเป็นเสียง (Text-to-speech) | เลือกเสียงและใส่ข้อความ | ใช่ | ใช่ | ใช่ |
| การโคลนเสียง | ใช้คลิปเสียงหนึ่งคลิปเป็นต้นแบบเสียงสำหรับคำพูด | ใช่ | ใช่ | ใช่ |
| ข้อความ → เสียง | บรรยายเสียงพูด เอฟเฟกต์เสียง และดนตรีประกอบ | ใช่ | ใช่ | ไม่ใช่ |
| ข้อความ + เสียง → เสียง | เพิ่มการอ้างอิงสำหรับลักษณะเสียงหรืออารมณ์ | ใช่ | ใช่ | ไม่ใช่ |
| ข้อความ + วิดีโอ → เสียง | บรรยายเสียงให้สอดคล้องกับภาพในวิดีโอ | ใช่ | ไม่ใช่ | ไม่ใช่ |
| ข้อความ + วิดีโอ + เสียง → เสียง | เพิ่มการอ้างอิงเสียงเพื่อระบุเสียงพากย์ | ใช่ | ไม่ใช่ | ไม่ใช่ |
| ข้อความ → ดนตรี | บรรยายดนตรีที่มีความยาวสูงสุด 6 นาที | ใช่ | ไม่ใช่ | ไม่ใช่ |
โมเดลเดียว ความเป็นไปได้ที่มากกว่า
ใส่เสียงให้กับภาพของคุณ
ความสามารถและข้อจำกัดในการพรีวิวนี้มาจากโชว์เคสของ Seed Audio 1.5 โดยฟีเจอร์และข้อจำกัดสุดท้ายของ Popcraft จะได้รับการยืนยันเมื่อเปิดตัว
ตั้งแต่บรรยากาศเสียงแรกไปจนถึงภาษาใหม่ กำหนดทิศทางเสียงตามเรื่องราวที่คุณต้องการบอกเล่า
6 นาทีความยาวเสียงสูงสุดต่อการขอหนึ่งครั้ง
6การอ้างอิงเสียงต่อการขอหนึ่งครั้ง
33ภาษาที่รองรับ
01 / การพากย์วิดีโอ
เสียงสำหรับฉาก
ใช้วิดีโอเป็นข้อมูลอ้างอิงเพื่อสร้างเสียงพากย์ เอฟเฟกต์เสียง และดนตรีประกอบให้เข้ากับภาพ
ระบุบทสนทนา เอฟเฟกต์เสียง และดนตรีที่ต้องการอย่างละเอียด การพากย์ไม่ใช่แบบอัตโนมัติ02 / การแปลวิดีโอ
ส่งต่อเสียงไปได้ไกลกว่าเดิม
แปลเนื้อหาที่พูดโดยยังคงรักษาลักษณะเสียงต้นฉบับ เอฟเฟกต์เสียง และดนตรีประกอบไว้
คู่การแปลที่ระบุไว้คือภาษาจีนหรือภาษาอังกฤษ ไปยัง 30 ภาษาปลายทาง03 / การแยกแทร็กเสียง (Stem Separation)
ปรับแต่งได้ดั่งใจ
แยกเสียงร้อง เอฟเฟกต์เสียง และดนตรีประกอบออกมาเป็นแทร็กอิสระเพื่อการตัดต่อเพิ่มเติม
04 / การสร้างดนตรี
ค้นหาเพลงประกอบที่ใช่
บรรยายดนตรีด้วยข้อความ หรือสร้างเพลงพร้อมเนื้อร้อง ดนตรีสามารถมีความยาวได้สูงสุด 6 นาที
ก่อนจะเป็นเพลงประกอบ
เริ่มต้นที่ตัวฉาก
ฉากต้นฉบับ
เปรียบเทียบวิดีโอนี้กับฉากที่ปรับปรุงแล้วในตัวอย่างด้านบน
เวิร์กโฟลว์วิดีโอ
สร้างสรรค์เสียง คงไว้ซึ่งเรื่องราว
พากย์เสียงหรือปรับปรุงฉาก
ใช้วิดีโอเพียงอย่างเดียว หรือวิดีโอคู่กับเสียงอ้างอิง เพื่อการพากย์ภาพยนตร์หรือปรับปรุงเสียงคุณภาพต่ำ
- เลือกวิดีโออ้างอิง
- เพิ่มการอ้างอิงเสียงเมื่อคุณต้องการน้ำเสียงที่เฉพาะเจาะจง
- บรรยายเนื้อหาที่พูด เอฟเฟกต์เสียง และดนตรีประกอบที่ต้องการอย่างชัดเจน
การพากย์วิดีโอรองรับ 30 ภาษา โดยต้องใช้คำบรรยายเป็นข้อความและไม่ได้พากย์โดยอัตโนมัติ
เล่นตัวอย่างฉาก ↓แปลเนื้อหาที่พูด
เริ่มต้นด้วยเสียงพูดภาษาจีนหรืออังกฤษ แล้วแปลเป็นหนึ่งใน 30 ภาษาปลายทางที่รองรับ โดยยังคงรักษาลักษณะเสียง เอฟเฟกต์เสียง และดนตรีประกอบไว้
ตัวอย่างรวมถึงการสาธิตการแปล ฉากจากเรื่อง Whiplash ในภาษาอังกฤษและเวอร์ชันภาษาญี่ปุ่น รวมถึงฉากจาก Big Bang Theory ภาษาอังกฤษและเวอร์ชันภาษาสเปนแบบเม็กซิกัน
ดูภาษาสำหรับการแปล ↓ตัวอย่างการแปลวิดีโอ
ฟังฉากเดิมในรูปแบบที่ต่างออกไป
ก้าวข้ามขีดจำกัดด้านภาษา
การสาธิตการแปลวิดีโอสั้นๆ
Whiplash · ภาษาอังกฤษ
ฉากต้นฉบับภาษาอังกฤษ
Whiplash · ภาษาญี่ปุ่น
แปลเป็นภาษาญี่ปุ่นโดย Seed Audio 1.5
The Big Bang Theory · ภาษาอังกฤษ
ฉากต้นฉบับภาษาอังกฤษ
The Big Bang Theory · ภาษาสเปน (เม็กซิโก)
แปลเป็นภาษาสเปน (เม็กซิโก) โดย Seed Audio 1.5
การแยกแทร็กเสียง
แยกส่วนประกอบของเสียง
ส่งไฟล์เสียงเพื่อแยกเสียงร้อง เอฟเฟกต์ และดนตรีประกอบออกเป็นแทร็กอิสระสำหรับการผสมเสียงในภายหลัง เวอร์ชันปัจจุบันรองรับสูงสุด 6 แทร็ก
จากไฟล์เสียงสู่แทร็กที่แก้ไขได้
แต่ละแทร็กที่แยกออกมาสามารถนำไปใช้แยกกันในกระบวนการผสมเสียง
ตัวอย่างความยาว 58 วินาทีนี้แยกไฟล์เสียงที่ผสมมาแล้วออกเป็นเสียงผู้บรรยาย, เด็กผู้หญิง, เด็กผู้ชาย, ดนตรีแฟนตาซี, เสียงฝีเท้า และเสียงปิดประตู
ทำความเข้าใจข้อจำกัด
- แยกแทร็กเสียงออกมาได้สูงสุด 6 แทร็ก
- ใช้การอ้างอิงเสียงได้สูงสุด 6 รายการต่อการสร้างหนึ่งครั้ง
- สร้างเสียงได้ยาวสูงสุด 6 นาทีต่อการขอหนึ่งครั้ง
แยกแล้วเปรียบเทียบ
หนึ่งไฟล์เสียง หกส่วนประกอบ
การแยกแทร็กเสียงในฉาก
การสาธิตการแยกเสียงร้อง เอฟเฟกต์เสียง และดนตรีออกมาเป็นแทร็กอิสระ
ฟังเสียงรวมและแต่ละแทร็กที่แยกออกมา
เสียงรวมต้นฉบับ
ผู้บรรยาย
เด็กผู้หญิง
เด็กผู้ชาย
ดนตรีแฟนตาซี
เสียงฝีเท้า
เสียงปิดประตู
การสร้างดนตรี
บรรยายเพลงประกอบ
กำหนดทิศทางดนตรี
ระบุแนวเพลง, อารมณ์, เสียงร้อง, เครื่องดนตรี และโครงสร้างในรายละเอียดดนตรีของคุณ สร้างดนตรีจากคำบรรยายข้อความ หรือสร้างเพลงที่มีเนื้อร้อง
ดนตรีสามารถมีความยาวได้สูงสุด 6 นาที
5 ภาษาสำหรับการสร้างดนตรี
รองรับภาษาอังกฤษ จีน ญี่ปุ่น เกาหลี และกวางตุ้งสำหรับการสร้างดนตรี
รายการภาษาสำหรับดนตรีนี้แยกจากรายการ 33 ภาษาที่โมเดลรองรับโดยทั่วไป
ตัวอย่างดนตรี
จากความต้องการสู่บทเพลง
การสร้างดนตรี
สำรวจการสาธิตการสร้างดนตรี
การรองรับภาษา
ขอบเขตด้านภาษา
โมเดลรองรับทั้งหมด 33 ภาษา โดยการแปลจะเริ่มจากภาษาจีนหรืออังกฤษ และรองรับภาษาปลายทางทั้ง 30 ภาษานี้
- จีน ·
zh - อังกฤษ ·
en - ญี่ปุ่น ·
ja - เกาหลี ·
ko - เยอรมัน ·
de - ฝรั่งเศส ·
fr - โปรตุเกส (บราซิล) ·
pt-BR - ไทย ·
th - อินโดนีเซีย ·
id - เวียดนาม ·
vi - มาเลย์ ·
ms - ฟิลิปปินส์ ·
fil - อิตาลี ·
it - รัสเซีย ·
ru - ดัตช์ ·
nl - โปแลนด์ ·
pl - ตุรกี ·
tr - สวีเดน ·
sv - สเปน (คาสตีล) ·
es-ES - สเปน (เม็กซิโก) ·
es-MX - อาหรับ ·
ar - โปรตุเกส (ยุโรป) ·
pt-PT - ฟินแลนด์ ·
fi - เดนมาร์ก ·
da - นอร์เวย์ ·
no - เช็ก ·
cs - ฮังการี ·
hu - กรีก ·
el - โรมาเนีย ·
ro - ฮินดี ·
hi
นอกเหนือจากรายการภาษาสำหรับการแปล
รายการรวม 33 ภาษายังประกอบด้วยภาษาทมิฬ, โอริยา และเบงกาลี สำหรับภาษาอาหรับจะเป็นสำเนียงซาอุดีอาระเบีย ความสามารถเสริมเหล่านี้ไม่ได้ขยายจำนวนคู่การแปลที่มีข้อมูลรองรับ
การควบคุมที่แม่นยำ
ให้ทุกวินาทีมีความหมาย
ใช้ไทม์สแตมป์เพื่อวางเสียงพากย์ เอฟเฟกต์เสียง และดนตรีประกอบในจุดที่เรื่องราวต้องการ
เสียงพากย์
กำหนดตำแหน่งช่วงเวลาพูด
เอฟเฟกต์เสียง
เพิ่มมิติให้กับเหตุการณ์
ดนตรี
สร้างบรรยากาศให้กับฉาก
สำรวจจังหวะเวลาของโฆษณาและการกำกับเสียง
ช่วงไทม์สแตมป์จะกำหนดตำแหน่งเสียงพูด เอฟเฟกต์ และดนตรี แต่ละเสียงยังมีน้ำเสียง สำเนียง และทิศทางการนำเสนอที่โดดเด่นของตัวเอง
- 0.0–49.5 วินาที
ดนตรีอิเล็กทรอนิกส์ที่เร้าใจบรรเลงคลอไปตลอดทั้งโฆษณา
- 0.0–1.2 วินาที
เสียงน้ำสาดที่คมชัดเปิดฉากเสียง
- 1.9–4.9 วินาที
เด็กชายที่มีน้ำเสียงใสและอ่อนโยน บุคลิกไร้เดียงสาและช่างจินตนาการ สำเนียงภาษาอังกฤษแบบบริติช (เอเชียกลาง) การนำเสนอแบบโฆษณาที่มั่นคง ผ่อนคลาย สนุกสนาน และดูเป็นเด็ก: “BYD คือเรือลำใหญ่ที่ผมเห็นที่ท่าเรือครับ”
- 5.8–9.0 วินาที
เด็กหญิงที่มีน้ำเสียงคล่องแคล่วและใส บุคลิกมีชีวิตชีวาและน่าเอ็นดู สำเนียงภาษาอังกฤษแบบอเมริกัน จังหวะกระชับและการนำเสนอแบบโฆษณาที่ขัดแย้งเล็กน้อย: “ไม่นะ คุณปู่ของหนูบอกว่า BYD คือตำนานจากตะวันออกต่างหาก”
- 10.1–13.2 วินาที
เด็กหญิงที่มีน้ำเสียงสดใส หวาน และนุ่มนวล สำเนียงภาษาอังกฤษแบบอเมริกัน (สำเนียงจีน) การนำเสนอแบบโฆษณาที่ร่าเริงและแฝงความขบขัน: “แม่ของหนูทำงานที่ BYD ค่ะ แม่บอกว่า BYD คือ Build Your Dreams”
- 13.4–15.4 วินาที
เสียงหัวเราะของเด็กๆ ตามด้วยดนตรีสไตล์ล้ำสมัยที่เร็วขึ้นพร้อมเอฟเฟกต์เสียงชัตเตอร์กล้อง
- 15.8–17.8 วินาที
หญิงสาวที่มีน้ำเสียงค่อนข้างทุ้มและมีลมหายใจแผ่วเบา บุคลิกประณีตและสง่างาม สำเนียงภาษาอังกฤษแบบอเมริกัน (สำเนียงฝรั่งเศส) การนำเสนอแบบโฆษณาที่แสดงความชื่นชม สุขุม และชัดถ้อยชัดคำ: “เป็นรุ่นที่ยากจะลืมเลือนจริงๆ ค่ะ”
- 19.3–22.1 วินาที
นักสำรวจวัยกลางคนที่มีเสียงทุ้ม แหบเล็กน้อย และดูแข็งแกร่ง บุคลิกเป็นผู้ใหญ่ สำเนียงอเมริกันทั่วไป การนำเสนอแบบโฆษณาที่กล้าหาญ เด็ดเดี่ยว และแสดงอารมณ์: “เขาคือเพื่อนร่วมทางที่ไว้วางใจได้ที่สุดในการข้ามเทือกเขาแอนดีส”
- 23.2–25.2 วินาที
ชายหนุ่มที่มีช่วงเสียงสูงปานกลางและเนื้อเสียงค่อนข้างราบเรียบ สำเนียงอเมริกันทั่วไป การนำเสนอแบบโฆษณาที่สั้นและตื่นเต้น: “เขานี่แหละ สัตว์ร้ายตัวใหม่ในสนาม”
- 27.3–29.7 วินาที
ชายหนุ่มที่มีเสียงทุ้มลึกและบุคลิกนักธุรกิจที่สุขุม สำเนียงอเมริกันทั่วไป การนำเสนอแบบโฆษณาที่นุ่มนวลและผ่อนคลายพร้อมความพึงพอใจ: “BYD คือห้องรับรองธุรกิจเคลื่อนที่ของผมครับ”
- 29.7–49.5 วินาที
ดนตรีประจำแบรนด์ปิดท้ายโฆษณาด้วยเสียงคลื่น ลม และเสียงรถยนต์
เรื่องที่ควรรู้
Seed Audio 1.5 กำลังจะเปิดให้บริการบน Popcraft เร็วๆ นี้ และยังไม่เปิดให้สร้างเสียงในขณะนี้ ทั้งนี้ยังไม่มีการประกาศวันเปิดตัวและราคา
สามารถใช้อ้างอิงได้ทั้งข้อความ วิดีโอ และเสียง โดยในการขอหนึ่งครั้งสามารถใช้อ้างอิงเสียงได้สูงสุด 6 รายการ
ไม่ใช่ คุณต้องบรรยายเนื้อหา เอฟเฟกต์เสียง และดนตรีประกอบที่ต้องการผ่านข้อความ
คู่การแปลวิดีโอที่มีข้อมูลรองรับจะเริ่มต้นจากภาษาจีนหรืออังกฤษ และแปลเป็นภาษาปลายทางที่รองรับ 30 ภาษา โดยโมเดลรองรับทั้งหมด 33 ภาษา
Seed Audio 1.5 · เร็วๆ นี้ที่ Popcraft
ฟังเรื่องราวทั้งหมด
สำรวจสิ่งที่คุณสามารถสร้างสรรค์ได้ด้วย Seed Audio 1.5
สำรวจตัวอย่าง ↑สำรวจต่อ
โมเดลที่เกี่ยวข้อง
Eleven v4
ElevenLabs
Eleven v4 และ Eleven v4 Turbo บน Popcraft: โมเดลแปลงข้อความเป็นเสียงที่สื่ออารมณ์ได้ดีที่สุดจาก ElevenLabs รองรับแท็กเสียงแบบอินไลน์ มากกว่า 90 ภาษา บันทึกเสียงได้ยาวถึง 10,000 ตัวอักษรต่อเทค และรุ่น Turbo ที่สร้างมาเพื่อตัวแทนเสียงแบบเรียลไทม์
Music V2.5
Popcraft
แต่งเพลงประกอบวิดีโอในไม่กี่วินาทีด้วย Music V2.5 บน Popcraft สร้างเพลงประกอบ AI, BGM บรรเลง และแทร็กที่เข้ากับอารมณ์ตั้งแต่ 3 ถึง 200 วินาที
ElevenLabs SFX
ElevenLabs
สร้างเสียงเอฟเฟกต์จากข้อความด้วย ElevenLabs SFX บน Popcraft คลิป 0.5–22 วินาที ปรับระดับอิทธิพลพรอมต์ได้ และเสียงคุณภาพสตูดิโอ 48 kHz
Seedance 2.5
ByteDance
Seedance 2.5 สร้างวิดีโอได้สูงสุด 30 วินาทีในครั้งเดียว พร้อมสินทรัพย์อ้างอิงสูงสุด 50 รายการ ตัดต่อวิดีโอที่ควบคุมได้ ขยายเวลาแบบความเที่ยงตรงสูง อัตราส่วนภาพตั้งแต่ 0.4 ถึง 2.5 และพรอมต์ภาษาท้องถิ่นในกว่า 10 ภาษา พร้อมใช้งานบน Popcraft