Tällaista kieltä ei ole.
Tekstistä puheeksi tarkoittaa, että kirjoitat tekstin ja AI lukee sen ääneen ihmisäänellä. Sivustolla genkiki.com tämä tehdään bulgariaksi, ja sitä käytetään useimmiten videon selostukseen – mainoksiin, koulutukseen, tuote-esittelyihin. Valitset äänen, liität tekstin ja saat äänitiedoston, joka lisätään klipin alle. Jokainen malli hyväksyy eri pituisen tekstin; luvut ovat alla olevassa taulukossa.
Yleisin pyyntö ei ole ”lue minulle kirja”, vaan kolmenkymmenen sekunnin puhe mainosklipin alle. Mainonnassa pätee kolme asiaa. Ensinnäkin – energia: mainosteksti luetaan nopeammin ja korkeammalla äänellä kuin koulutusteksti. Toiseksi – pituus: puheteksti kirjoitetaan valmiin klipin mukaan, ei päinvastoin, jotta mitään ei tarvitse leikata. Kolmanneksi – yhtenäisyys: sama brändi käyttää samaa ääntä kaikissa klipeissä, muuten mainokset eivät tunnu sen omilta. Yritykselle tämä tarkoittaa, että kerran valittu ääni tallennetaan ja sitä käytetään koko sisältövirtaan – mikä palkatun selostajan kanssa tulisi paljon kalliimmaksi.
Jokaisella mallilla on tekstin enimmäispituus yhtä luontia kohti – se on yllä olevassa taulukossa, sarakkeessa ”Pisin teksti”. Pidempi aineisto jaetaan osiin ja yhdistetään. Hinta on tässä luontia kohti, ei sekuntia kohti. Ja yksi tärkeä rajoitus: tietyn elävän ihmisen ääntä ei toisteta ilman hänen suostumustaan – tämä on kuvattu sisältösäännöissä. Jos äänitiedoston sijaan tarvitset ihmisen, joka puhuu kuvassa, se on eri tila, ja se tehdään valokuvasta.
Video, jonka alla ääni kulkee, tehdään AI-videogeneraattorilla tai suoraan tekstistä videoksi. Mainoskäyttö löytyy sivuilta UGC-mainonta ja mainonta toimialoittain; pystyformaatti sivulta YouTube Shorts; kiinteistönvälittäjille on video kiinteistöistä; vaatekaupoille AI-malli vaatteille. Kaikki tehdään AI-studiossa; vaiheet on kuvattu sivulla Näin se toimii. Äänimallit korteineen: kaikki mallit, ElevenLabs, MiniMax Speech, OmniHuman. Hinnat ja krediitit löytyvät sivulta hinnat, ja muut kysymykset sivulta Kysymykset ja vastaukset.
Hinta krediiteissä on mallin perushinta, ja se näkyy myös ”Generoi”-painikkeessa ennen jokaista ajoa. Videolla se on SEKUNTIA kohden – viisi sekuntia maksaa viisi kertaa enemmän.
| Malli | Krediitit | Pisin | Pisin teksti |
|---|---|---|---|
| Gemini 3.1 Flash TTS | 100 | — | 50000 merkkiä |
| ElevenLabs v3 | 201 | — | 5000 merkkiä |
| MiniMax 2.8 | 201 | — | 10000 merkkiä |
| Malli | Krediitit | Pisin | Pisin teksti |
|---|---|---|---|
| VEED Lip-sync | 18 sekuntia kohden | 60 s | — |
| Kling Lip-sync | 32 sekuntia kohden | 60 s | 2500 merkkiä |
| MiniMax H3 Max | 161 sekuntia kohden | 15 s | 50000 merkkiä |
| Sync 2.0 Pro Lip-sync | 167 sekuntia kohden | 60 s | — |
| Gemini Omni Flash | 201 sekuntia kohden | 10 s | 20000 merkkiä |
| Seedance 2.0 Mini | 311 sekuntia kohden | 15 s | 5000 merkkiä |
| OmniHuman (kuva → puhe) | 321 sekuntia kohden | 60 s | — |
| Seedance 2.0 Fast | 486 sekuntia kohden | 15 s | 5000 merkkiä |
| Seedance 2.0 Standard | 608 sekuntia kohden | 15 s | 5000 merkkiä |
| Seedance 2.5 | 950 sekuntia kohden | 30 s | — |
Ihmisten tekemiä oikeita generointeja, jaettu Yhteisössä – ei valikoituja kuvia.
Viimeksi päivitetty: