Der findes intet sådant sprog.
Tekst til tale betyder, at du skriver teksten, og AI læser den op med en menneskelig stemme. På genkiki.com foregår det på bulgarsk, og det bruges oftest til voiceover på video – reklame, undervisning, produktpræsentation. Du vælger en stemme, indsætter teksten og får en lydfil, der lægges under klippet. Hver model kan klare forskellig tekstlængde; tallene står i tabellen nedenfor.
Den mest almindelige bestilling er ikke »læs en bog for mig«, men tredive sekunders tale under et reklameklip. For reklame gælder tre ting. For det første – energien: en reklametekst læses hurtigere og højere end en undervisningstekst. For det andet – længden: stemmeteksten skrives til det færdige klip, ikke omvendt, så man undgår at skulle klippe i den. For det tredje – ensartethed: det samme brand bruger den samme stemme i alle klip, ellers genkendes reklamerne ikke som dets egne. For en virksomhed betyder det, at en stemme, man én gang har valgt, gemmes og bruges til hele strømmen af indhold – noget, der bliver meget dyrere med en hyret speaker.
Hver model har et loft for tekstlængden pr. kørsel – det står i tabellen ovenfor, i kolonnen »Længste tekst«. Længere materiale deles op i dele og sættes sammen. Prisen her gælder pr. kørsel, ikke pr. sekund. Og én vigtig begrænsning: stemmen fra en bestemt, levende person gengives ikke uden vedkommendes samtykke – det står i indholdsreglerne. Hvis du i stedet for en lydfil har brug for en person, der taler i billedet, er det en anden funktion, og den laves ud fra et billede.
Videoen, som stemmen ligger under, laves i AI-videogeneratoren eller direkte fra tekst til video. Brug i reklamer finder du under UGC-reklamer og reklamer efter branche; det lodrette format under YouTube Shorts; for ejendomsmæglere findes video til ejendomme; for tøjbutikker AI-model til tøj. Alt laves i AI-studioet; rækkefølgen står under Sådan fungerer det. Stemmemodellerne med deres kort: alle modeller, ElevenLabs, MiniMax Speech, OmniHuman. Priser og kreditter finder du under priser, og andre spørgsmål under Spørgsmål og svar.
Prisen i kreditter er modellens grundpris og står også på knappen »Generer« før hver kørsel. For video gælder den pr. SEKUND – fem sekunder koster fem gange så meget.
| Model | Kreditter | Længst | Længste tekst |
|---|---|---|---|
| Gemini 3.1 Flash TTS | 100 | — | 50000 tegn |
| ElevenLabs v3 | 201 | — | 5000 tegn |
| MiniMax 2.8 | 201 | — | 10000 tegn |
| Model | Kreditter | Længst | Længste tekst |
|---|---|---|---|
| VEED Lip-sync | 18 pr. sekund | 60 sek | — |
| Kling Lip-sync | 32 pr. sekund | 60 sek | 2500 tegn |
| MiniMax H3 Max | 161 pr. sekund | 15 sek | 50000 tegn |
| Sync 2.0 Pro Lip-sync | 167 pr. sekund | 60 sek | — |
| Gemini Omni Flash | 201 pr. sekund | 10 sek | 20000 tegn |
| Seedance 2.0 Mini | 311 pr. sekund | 15 sek | 5000 tegn |
| OmniHuman (billede → tale) | 321 pr. sekund | 60 sek | — |
| Seedance 2.0 Fast | 486 pr. sekund | 15 sek | 5000 tegn |
| Seedance 2.0 Standard | 608 pr. sekund | 15 sek | 5000 tegn |
| Seedance 2.5 | 950 pr. sekund | 30 sek | — |
Rigtige genereringer fra mennesker, delt i Community – ikke håndplukkede billeder.
Sidst opdateret: