Nuk ka gjuhë të tillë.
Teksti në të folur do të thotë që ti shkruan tekstin dhe AI e lexon me zë njeriu. Në genkiki.com kjo bëhet në bullgarisht dhe përdoret më shpesh për zërimin e videove — reklama, trajnime, prezantim produkti. Zgjedh zërin, vendos tekstin dhe merr një skedar audio që vendoset nën klip. Çdo model pranon gjatësi tjetër teksti; numrat janë në tabelën më poshtë.
Porosia më e shpeshtë nuk është «lexo një libër për mua», por tridhjetë sekonda zë nën një klip reklamues. Për reklamën vlejnë tri gjëra. E para — energjia: teksti reklamues lexohet më shpejt dhe më fuqishëm se ai i trajnimit. E dyta — gjatësia: zëri shkruhet nën klipin e gatshëm, jo e kundërta, që të mos duhet të prehet. E treta — njëtrajtshmëria: e njëjta markë përdor të njëjtin zë në të gjitha klipet, përndryshe reklamat nuk njihen si të sajat. Për një kompani kjo do të thotë që zëri i zgjedhur një herë ruhet dhe përdoret për gjithë rrjedhën e përmbajtjes — diçka që me një spiker të punësuar del shumë më e kushtueshme.
Çdo model ka një kufi teksti për një nisje — ai është në tabelën më lart, në kolonën «Teksti më i gjatë». Materiali më i gjatë ndahet në pjesë dhe ngjitet më pas. Çmimi këtu është për nisje, jo për sekondë. Dhe një kufizim i rëndësishëm: zëri i një personi konkret të gjallë nuk riprodhohet pa pëlqimin e tij — kjo është te rregullat e përmbajtjes. Nëse në vend të skedarit audio të duhet një njeri që flet në kuadër, ky është një mënyrë tjetër dhe bëhet nga një foto.
Videoja nën të cilën shkon zëri bëhet te gjeneratori i videove me AI ose drejtpërdrejt nga teksti në video. Përdorimet reklamuese janë te reklama UGC dhe te reklama sipas industrive; formati vertikal — te YouTube Shorts; për ndërmjetësit — video për pasuri të paluajtshme; për dyqanet e veshjeve — model AI për veshje. Gjithçka bëhet në studion AI; radha është te Si funksionon. Modelet e zërit me kartat e tyre: të gjitha modelet, ElevenLabs, MiniMax Speech, OmniHuman. Çmimet dhe kreditet janë te çmimet, ndërsa pyetjet e tjera — te Pyetje dhe përgjigje.
Çmimi në kredite është çmimi bazë i modelit dhe shfaqet edhe te butoni «Gjenero» para çdo nisjeje. Për videon, ai vlen për NJË SEKONDË — pesë sekonda kushtojnë pesë herë më shumë.
| Modeli | Kredite | Më e gjata | Teksti më i gjatë |
|---|---|---|---|
| Gemini 3.1 Flash TTS | 100 | — | 50000 karaktere |
| ElevenLabs v3 | 201 | — | 5000 karaktere |
| MiniMax 2.8 | 201 | — | 10000 karaktere |
| Modeli | Kredite | Më e gjata | Teksti më i gjatë |
|---|---|---|---|
| VEED Lip-sync | 18 për sekondë | 60 sek | — |
| Kling Lip-sync | 32 për sekondë | 60 sek | 2500 karaktere |
| MiniMax H3 Max | 161 për sekondë | 15 sek | 50000 karaktere |
| Sync 2.0 Pro Lip-sync | 167 për sekondë | 60 sek | — |
| Gemini Omni Flash | 201 për sekondë | 10 sek | 20000 karaktere |
| Seedance 2.0 Mini | 311 për sekondë | 15 sek | 5000 karaktere |
| OmniHuman (foto → të folur) | 321 për sekondë | 60 sek | — |
| Seedance 2.0 Fast | 486 për sekondë | 15 sek | 5000 karaktere |
| Seedance 2.0 Standard | 608 për sekondë | 15 sek | 5000 karaktere |
| Seedance 2.5 | 950 për sekondë | 30 sek | — |
Gjenerime reale të njerëzve, të ndara në Komunitet — jo imazhe të përzgjedhura.
Përditësimi i fundit: