ElevenLabs — boses mula sa teksto at dubbing ng video

Ano ang ElevenLabs

Ang ElevenLabs ay isang kumpanyang dalubhasa sa artificial intelligence para sa mga boses at voice-over. Ang mga teknolohiya nito ay lumilikha ng natural na tunog na pananalita at kayang gayahin ang mga katangian ng boses ng tao — tono, intonasyon, at tunog — sa maraming iba't ibang wika. Dahil sa mataas na kalidad ng mga boses, naging isa ang ElevenLabs sa mga nangungunang pangalan para sa AI voice-over at dubbing ng content.

Sa genkiki.com, available ang ElevenLabs sa pamamagitan ng mode na Dubbing — isang tool na kumukuha ng nakahandang video na may pananalita at isinasalin at binibigyan ito ng boses sa ibang wika, habang pinapanatili ang boses na malapit sa orihinal na nagsasalita.

Mga bersyon at kakayahan sa generiram

Iniaalok ang ElevenLabs sa dalawang mode: dubbing ng video at boses mula sa teksto.

Sa dubbing, isinasalin ang pananalita mula sa pinagmulang video at binibigyan muli ng boses sa napiling wika. Nililikha ang boses para tumunog na malapit sa orihinal na nagsasalita — ibig sabihin, hindi tunog ng banyaga at hindi kilalang boses ang dubbing, kundi isang salin na binibigkas ng parehong tao. Hindi inaangkop ang galaw ng labi sa bagong wika, kaya mas mabilis at mas mura ang pagproseso kaysa sa buong dubbing na may lip-sync.

• Hanggang 29 na wika para sa voice-over.
• Video na hanggang humigit-kumulang 10 minuto ang haba.
• Awtomatikong pagkilala sa pinagmulang wika — hindi mo na kailangang itakda ito nang mano-mano.
• Posibilidad na itakda ang bilang ng mga nagsasalita sa video para sa mas tumpak na resulta.
• Pag-clone ng boses, para tumunog na malapit sa orihinal na nagsasalita ang salin.

Para saan ito angkop

Pinakakapaki-pakinabang ang ElevenLabs Dubbing kapag gusto mong mabilis na maintindihan ang isang video sa ibang wika, nang hindi nag-shoot ulit ng kahit ano:

• Mabilis na voice dubbing ng mga video para sa bagong audience at dayuhang merkado.
• Pagsasalin ng mga training clip, presentasyon, at webinar.
• Voice-over para sa mga marketing at product video sa ilang wika.
• Mga sitwasyong hindi close-up ang mga labi — halos hindi mapapansin ang kawalan ng pag-aangkop ng labi, at makikinabang ka sa mas mabilis at mas murang pagproseso.

ElevenLabs v3 — boses mula sa teksto

Ang ElevenLabs v3 ay ang voice model sa kategoryang Audio ng AI Studio: magsusulat ka ng teksto, pipili ng boses, at makakakuha ng nakahandang audio file, na parang binasa ito ng isang announcer. May 21 boses — panlalaki at pambabae, may iba't ibang karakter — at bawat isa ay may sample na maaari mong pakinggan bago pumili.

• Hanggang 5000 character ang teksto sa bawat generation — ipinapakita ng counter sa ilalim ng field kung hanggang saan ka na.
• Sinisingil ito kada nasimulang 1000 character — ang 1 hanggang 1000 character ay pareho ang halaga sa 1000.
• Maaari kang maglagay ng mga tagubilin sa loob ng square bracket, na hindi binabasa kundi isinasadula — isulat ang mga ito nang direkta sa Filipino, isasalin ito ng system para sa model: [tawa], [bulong], [buntong-hininga], [excited], [sarkastiko], [umiiyak], [kumakanta], [tigil] at marami pa.
• Istilo ng pagbasa: Malikhain — mas nagpapahayag at emosyonal; Natural — balanse; Matatag — pantay at predictable (para sa mga announcer at aralin).
• Karaniwang kusang nakikilala ang wika mula sa teksto — piliin ito nang mano-mano lamang kung mali ang bigkas. Sinusuportahan ang Bulgarian at sampu-sampung iba pang wika.
• Binabasa ang teksto nang salita-por-salita — walang isinasalin at walang pinaiikli. Ang setting na “Mga numero at dinaglat” ang nagpapasya kung bibigkasin ang “25 EUR” bilang “dalawampu't limang euro”.

Buksan ang AI Studio, piliin ang mode na Boses mula sa teksto sa kategoryang Audio, isulat ang teksto at pindutin ang I-generate — pagkalipas ng ilang segundo, handa nang i-download ang audio.

Paano magsimula

Buksan ang AI Studio sa genkiki.com, piliin ang mode na Video mula sa video at ang variant na ElevenLabs Dubbing. I-upload ang video, piliin ang target na wika, at kung kinakailangan, tukuyin ang bilang ng mga nagsasalita. Awtomatikong nakikilala ang pinagmulang wika. Simulan ang pagproseso at makukuha mo ang parehong video, na may boses sa bagong wika gamit ang boses na malapit sa orihinal.