ElevenLabs – tekst til stemme og dubbing af video

Hvad er ElevenLabs

ElevenLabs er et AI-selskab, der er specialiseret i stemmer og voiceover. Deres teknologi syntetiserer naturligt klingende tale og kan genskabe den menneskelige stemmes karakteristiske træk – tone, intonation og klang – på mange forskellige sprog. Takket være stemmernes høje kvalitet har ElevenLabs etableret sig som et af de førende navne inden for AI-voiceover og dubbing af indhold.

På genkiki.com er ElevenLabs tilgængelig via tilstanden Dubbing – et værktøj, der tager en færdig video med tale, oversætter den og indtaler den på et andet sprog med en stemme, der ligger tæt på den oprindelige talers.

Versioner og muligheder i generiram

ElevenLabs tilbydes i to tilstande: dubbing af video og tekst til stemme.

Ved dubbing oversættes talen fra kildevideoen og indtales på ny på det valgte sprog. Stemmen genskabes, så den lyder tæt på den oprindelige taler – dubbingen lyder altså ikke som en fremmed, ukendt stemme, men som en oversættelse udtalt af den samme person. Læberne tilpasses ikke det nye sprog, hvilket gør behandlingen hurtigere og billigere end fuld dubbing med læbesynkronisering.

• Op til 29 sprog til indtaling.
• Video på op til cirka 10 minutter.
• Automatisk genkendelse af kildesproget – du behøver ikke at angive det manuelt.
• Mulighed for at angive antal talere i videoen for et mere præcist resultat.
• Kloning af stemmen, så oversættelsen lyder tæt på den oprindelige taler.

Anvendelsesområder

ElevenLabs Dubbing er mest nyttig, når du hurtigt vil gøre en video forståelig på et andet sprog uden at filme noget om:

• Hurtig stemmedubbing af videoer til et nyt publikum og et udenlandsk marked.
• Oversættelse af undervisningsklip, præsentationer og webinarer.
• Indtaling af marketing- og produktvideoer på flere sprog.
• Situationer, hvor læberne ikke er i nærbillede – så bemærkes det næsten ikke, at læberne ikke er tilpasset, mens du får fordel af den hurtigere og billigere behandling.

ElevenLabs v3 – tekst til stemme

ElevenLabs v3 er stemmemodellen i kategorien Lyd i AI-studioet: du skriver en tekst, vælger en stemme og får en færdig lydfil, som om en speaker havde læst den op. Der er 21 stemmer – mandlige og kvindelige, med forskellig karakter – og hver stemme har en prøve, som du kan høre, før du vælger.

• Teksten kan være op til 5000 tegn pr. generering – tælleren under feltet viser, hvor langt du er kommet.
• Der afregnes pr. påbegyndte 1000 tegn – 1 til 1000 tegn koster lige så meget som 1000.
• Du kan indsætte anvisninger i kantede parenteser, som ikke læses op, men fremføres – skriv dem direkte på dansk, så oversætter systemet dem til modellen: [latter], [hvisken], [suk], [begejstret], [sarkastisk], [græder], [synger], [pause] og flere.
• Oplæsningsstil: Kreativ – mere udtryksfuld og følelsesladet; Naturlig – afbalanceret; Stabil – jævn og forudsigelig (til speakere og lektioner).
• Sproget genkendes normalt automatisk ud fra teksten – vælg det kun manuelt, hvis udtalen bliver forkert. Understøtter bulgarsk og snesevis af andre sprog.
• Teksten læses ordret – intet oversættes eller forkortes. Indstillingen »Tal og forkortelser« afgør, om »25 kr.« skal udtales »femogtyve kroner«.

Åbn AI-studioet, vælg tilstanden Tekst til stemme i kategorien Lyd, skriv teksten, og tryk på Generer – efter få sekunder er lyden klar til download.

Sådan kommer du i gang

Åbn AI-studioet på genkiki.com, vælg tilstanden Video til video og varianten ElevenLabs Dubbing. Upload videoen, vælg målsproget, og angiv om nødvendigt antallet af talere. Kildesproget genkendes automatisk. Start behandlingen, så får du den samme video, indtalt på det nye sprog med en stemme, der ligger tæt på originalen.