Нема таквог језика.
Текст у говор значи да пишеш текст, а AI га чита људским гласом. На genkiki.com то се ради на бугарском и најчешће се користи за озвучавање видеа — реклама, обука, представљање производа. Бираш глас, убацујеш текст и добијаш аудио фајл који се ставља испод клипа. Сваки модел прихвата другачију дужину текста; бројеви су у табели испод.
Најчешћи захтев није „прочитај ми књигу“, већ тридесет секунди говора испод рекламног клипа. За рекламу важе три ствари. Прво — енергија: рекламни текст се чита брже и гласније од текста за обуку. Друго — дужина: глас се пише према већ готовом клипу, а не обрнуто, да га касније не би требало сећи. Треће — уједначеност: исти бренд користи исти глас у свим клиповима, иначе се рекламе не препознају као његове. За фирму то значи да се једном изабрани глас сачува и користи за цео ток садржаја — нешто што са унајмљеним спикером излази много скупље.
Сваки модел има горњу границу текста за једно генерисање — налази се у табели изнад, у колони „Најдужи текст“. Дужи материјал се дели на делове и спаја. Цена је овде по генерисању, а не по секунди. И једно важно ограничење: глас конкретне живе особе не репродукује се без њеног пристанка — то је у правилима о садржају. Ако ти уместо аудио фајла треба особа која говори у кадру, то је други режим и прави се од фотографије.
Видео испод кога иде глас прави се у AI видео генератору или директно из текста у видео. Рекламне употребе су на страницама UGC реклама и реклама по индустријама; вертикални формат — на YouTube Shorts; за посреднике — видео за некретнине; за продавнице одеће — AI модел за одећу. Све се ради у AI студију; редослед је на страници Како ради. Гласовни модели са њиховим картицама: сви модели, ElevenLabs, MiniMax Speech, OmniHuman. Цене и кредити су на страници Цене, а остала питања — на страници Питања и одговори.
Цена у кредитима је основна за модел и налази се и на дугмету „Генериши“ пре сваког покретања. Код видеа она важи за СЕКУНДУ — пет секунди кошта пет пута толико.
| Модел | Кредити | Најдуже | Најдужи текст |
|---|---|---|---|
| Gemini 3.1 Flash TTS | 100 | — | 50000 знакова |
| ElevenLabs v3 | 201 | — | 5000 знакова |
| MiniMax 2.8 | 201 | — | 10000 знакова |
| Модел | Кредити | Најдуже | Најдужи текст |
|---|---|---|---|
| VEED Lip-sync | 18 по секунди | 60 сек | — |
| Kling Lip-sync | 32 по секунди | 60 сек | 2500 знакова |
| MiniMax H3 Max | 161 по секунди | 15 сек | 50000 знакова |
| Sync 2.0 Pro Lip-sync | 167 по секунди | 60 сек | — |
| Gemini Omni Flash | 201 по секунди | 10 сек | 20000 знакова |
| Seedance 2.0 Mini | 311 по секунди | 15 сек | 5000 знакова |
| OmniHuman (слика → говор) | 321 по секунди | 60 сек | — |
| Seedance 2.0 Fast | 486 по секунди | 15 сек | 5000 знакова |
| Seedance 2.0 Standard | 608 по секунди | 15 сек | 5000 знакова |
| Seedance 2.5 | 950 по секунди | 30 сек | — |
Стварне генерације људи, подељене у Заједници — не ручно одабране слике.
Последње ажурирање: