ElevenLabs – text till röst och dubbning av video

Vad är ElevenLabs

ElevenLabs är ett AI-företag som är specialiserat på röster och voiceover. Företagets teknik syntetiserar naturligt klingande tal och kan återskapa den mänskliga röstens karaktärsdrag – tonläge, intonation och klang – på många olika språk. Tack vare rösternas höga kvalitet har ElevenLabs etablerat sig som ett av de ledande namnen inom AI-voiceover och dubbning av innehåll.

På genkiki.com finns ElevenLabs via läget Dubbning – ett verktyg som tar en färdig video med tal, översätter den och läser in den på ett annat språk med en röst som liknar den ursprungliga talarens.

Versioner och möjligheter i generiram

ElevenLabs finns i två lägen: dubbning av video och text till röst.

Vid dubbning översätts talet från källvideon och läses in på nytt på det valda språket. Rösten återskapas så att den låter lik den ursprungliga talarens – dubbningen låter alltså inte som en främmande, okänd röst utan som en översättning uttalad av samma person. Läpparna anpassas inte efter det nya språket, vilket gör bearbetningen snabbare och billigare än fullständig dubbning med läppsynk.

• Upp till 29 språk för inläsning.
• Video med en längd på upp till cirka 10 minuter.
• Automatisk igenkänning av källspråket – du behöver inte ange det manuellt.
• Möjlighet att ange antalet talare i videon för ett mer exakt resultat.
• Kloning av rösten, så att översättningen låter lik den ursprungliga talarens.

Användningsområden

ElevenLabs Dubbning är mest användbar när du snabbt vill göra en video begriplig på ett annat språk utan att filma om något:

• Snabb röstdubbning av videor för en ny publik och en utländsk marknad.
• Översättning av utbildningsklipp, presentationer och webbinarier.
• Inläsning av marknadsförings- och produktvideor på flera språk.
• Situationer där läpparna inte syns i närbild – då märks det knappt att läpparna inte anpassats, medan du vinner på den snabbare och billigare bearbetningen.

ElevenLabs v3 – text till röst

ElevenLabs v3 är röstmodellen i kategorin Ljud i AI-studion: du skriver en text, väljer en röst och får en färdig ljudfil, precis som om en speaker hade läst upp den. Det finns 21 röster – manliga och kvinnliga, med olika karaktär – och varje röst har ett ljudprov som du kan lyssna på innan du väljer.

• Texten får vara upp till 5000 tecken per generering – räknaren under fältet visar hur långt du har kommit.
• Priset räknas per påbörjade 1000 tecken – 1 till 1000 tecken kostar lika mycket som 1000.
• Du kan lägga in anvisningar inom hakparenteser som inte läses upp utan gestaltas – skriv dem direkt på svenska, så översätter systemet dem åt modellen: [skratt], [viskning], [suck], [uppspelt], [sarkastiskt], [gråter], [sjunger], [paus] och fler.
• Uppläsningsstil: Kreativ – mer uttrycksfull och känslosam; Naturlig – balanserad; Stabil – jämn och förutsägbar (för berättarröster och lektioner).
• Språket känns vanligtvis igen automatiskt från texten – välj det manuellt bara om uttalet blir fel. Stöder bulgariska och ytterligare dussintals språk.
• Texten läses ordagrant – ingenting översätts eller förkortas. Inställningen ”Siffror och förkortningar” avgör om ”25 kr” ska uttalas ”tjugofem kronor”.

Öppna AI-studion, välj läget Text till röst i kategorin Ljud, skriv texten och tryck på Generera – efter några sekunder är ljudet klart att ladda ner.

Så kommer du igång

Öppna AI-studion på genkiki.com, välj läget Video till video och varianten ElevenLabs Dubbning. Ladda upp videon, välj målspråk och ange antalet talare om det behövs. Källspråket känns igen automatiskt. Starta bearbetningen så får du samma video, inläst på det nya språket med en röst som liknar originalets.