हर वीडियो में एक ही आवाज़

क्या गलत होता है, और ठीक करें

शुरू करने से पहले

• Characters page पर एक कैरैक्टर। एक बनाने के लिए नाम और कम से कम एक फोटो की ज़रूरत होती है: रेफ़रेंस इमेज जोड़ें दबाएं, फोटो अपलोड करें, कैरैक्टर का नाम दें और कैरैक्टर बनाएं दबाएं। हमारा एक जनरेटेड पोर्ट्रेट है, इसलिए इसमें कोई वास्तविक व्यक्ति शामिल नहीं है।
• नामित वॉइस के साथ एक स्पीच मॉडल। वॉइस डायलॉग केवल उन्हीं को दिखाता है: ElevenLabs मॉडल्स और Kokoro।
• आपकी लाइब्रेररी में वे क्लिप्स जिन्हें आप नैरेट करना चाहते हैं। हमारे पास तीन पांच सेकंड की बिना आवाज़ वाली क्लिप्स हैं: Kling v3 पर रनवे और रूफटॉप, Seedance 2.5 पर नाइट ड्राइव।

कैरैक्टर पर वॉइस सेव करें

कैरेक्टर्स पेज पर, कैरेक्टर के कार्ड पर ... मेनू खोलें और वॉइस चुनें। डायलॉग दो प्रकार के विकल्प देता है: कैटलॉग वॉइस और वॉइस क्लिप। कैटलॉग वॉइस ही रखें। पहले स्पीच मॉडल चुनें, फिर कैटलॉग वॉइस; प्रीव्यू चलाएं बटन उस वॉइस का एक रिकॉर्ड किया हुआ सैंपल मुफ्त में चलाता है। यदि आप चाहें तो एक भाषा जोड़ें, फिर सेव करें। अब कार्ड में विवरण के नीचे वॉइस दिखाई देगी।

इस आवाज़ में बोलें से नैरेशन करें

Voiceover टास्क पर ऑडियो कंपोज़र खोलें और इस आवाज़ में बोलें दबाएं। कैरेक्टर चुनें। मॉडल पिकर सेव किए गए मॉडल पर और वॉइस लिस्ट सेव की गई वॉइस पर स्विच हो जाती है, और बटन के नीचे एक लाइन इसकी पुष्टि करती है: Speaking as Isla Marr · Sarah। लाइन टाइप करें और ऑडियो जनरेट करें दबाएं। हमने दो गाइड्स के लिए इसे लगातार पांच बार किया, और यह पेयर कभी नहीं बदला।

This is the sound of silk at midnight.

Nothing here was built to stand still.

You already know the ending. Wear it anyway.

वॉइस के नीचे एक बेड और एक क्यू रखें

अकेली लाइन खाली लगती है। ऑडियो कंपोज़र के म्यूज़िक टास्क में एक म्यूज़िक बेड और साउंड इफ़ेक्ट में एक साउंड क्यू बनाएं, फिर स्टूडियो में हर क्लिप की टाइमलाइन बनाएं: टाइमलाइन्स, नई टाइमलाइन, और बाईं पैनल के लइब्रेरि टैब में + के साथ क्लिप, जहां लाइन शुरू होती है वहां प्लेहेड पर टेक, बेड, और क्यू।

Sleek fashion-show runway track, 120 bpm, deep kick and a crisp clicking hi-hat, glossy synth stabs, instrumental, no vocals. Strong dynamics: two seconds of the full groove, then four seconds of a hushed, near-silent filtered pulse, then the full groove slams back in, and that shape repeats through the track.

Dark synthwave night-drive track, 100 bpm, driving analog bass arpeggio, gated snare, cold pads, instrumental, no vocals. Strong dynamics: two seconds of the full drive, then four seconds of a sparse, hushed passage with only a low filtered bass, then the full drive returns, and that shape repeats through the track.

Warehouse rave build for a rooftop party at night, 128 bpm, instrumental, no vocals: a soft muffled kick and a quiet rising filtered riser that builds for five seconds, then a huge drop with open hi-hats and a big supersaw lead, and that quiet build and big drop repeat through the track.

क्यू ElevenLabs Sound Effects v2 पर एक छोटी लाइन हैं, जिन्हें Mark Out से ट्रिम किया गया है ताकि वे वॉइस से अलग रहें: रनवे के पहले सेकंड के लिए कैमरा शटर, ड्राइव की लाइन के बाद इंजन और स्प्रे, और रूफटॉप कॉन्फेटी गिरने पर भीड़ की जयकारा। प्ले दबाएं: तीनों में वॉइस एक जैसी है क्योंकि मॉडल और वॉइस हर बार एक ही रिक्वेस्ट थे, और यह म्यूजिक के ऊपर है।

हमने हर एक्सपोर्ट को मापा: आधा सेकंड से अधिक का कोई सन्नाटा नहीं, और जब वह बोलती हैं तो आवाज़ बाकी सब कुछ से कम से कम 3 dB ऊपर। उन टाइमलाइन में हर लेन को एक ही स्तर पर मिक्स किया गया था, इसलिए ये आंकड़े हमारे द्वारा चुने गए हिस्सों से आते हैं, किसी सेटिंग से नहीं।

इसे चलाने के तीन तरीके

एपीआई पाथ Characters and locations के तहत डॉक्यूमेंटेड है: कैरेक्टर की वॉइस का उपयोग ऑडियो जेनरेशन में कैरेक्टर id के साथ, और वीडियो जेनरेशन में तब होता है जब आप कैरेक्टर की वॉइस मांगते हैं। हमने इस गाइड के लिए कंपोजर पाथ चलाया, अन्य दो नहीं।

जहाँ आप अभी भी रीजनरेट करते हैं

• डिलीवरी अभी भी थोड़ी भिन्न होती है। वही वॉइस, वही मॉडल, लेकिन हर टेक एक नया रीड है। अगर कोई लाइन फ्लैट लगती है, तो उसे दोबारा चलाएं; वॉइस नहीं बदलेगी।
• एक बेड जो अभी भी एक शब्द को ढकता है। एक्सपोर्ट वॉइस के नीचे म्यूजिक को डक करता है, लेकिन एक तेज पैसेज अभी भी एक लाइन को भीड़ दे सकता है। ऑडियो इंस्पेक्टर में बेड का क्लिप वॉल्यूम कम करें, या Mark In को एक शांत पैसेज पर ले जाएं।
• आपकी अपनी आवाज़ चुनी जाती है। पेड प्लान पर, ऑडियो कंपोजर की वॉइस लिस्ट में कस्टम आवाज़ बनाएं ElevenLabs स्पीच मॉडल्स पर 10 सेकंड से 5 मिनट की रिकॉर्डिंग से आपकी आवाज़ को क्लोन करता है। कैरेक्टर्स पेज का वॉइस डायलॉग केवल कैटलॉग वॉइस और वॉइस क्लिप्स को सेव करता है, इसलिए Speak as अभी तक कस्टम वॉइस को नहीं ले जा सकता: इसे हर बार वॉइस लिस्ट में चुनें। एक कैरेक्टर पर वॉइस क्लिप उन मॉडल्स के लिए एक रेफरेंस है जो इसे स्वीकार करते हैं, यह टेक्स्ट टू स्पीच वॉइस नहीं है।
• स्पीड केवल API में है। कंपोजर में आज कोई स्पीड कंट्रोल नहीं है।

इसकी कीमत क्या है

आवाज़ सेव करना मुफ्त है; आवाज़ का प्रीव्यू देखना मुफ्त है। प्रत्येक लाइन मॉडल की प्रति कैरेक्टर दर के अनुसार न्यूनतम राशि के साथ बिल होती है। प्रत्येक म्यूजिक बेड और प्रत्येक क्यू एक फ्लैट चार्ज है। क्लिप्स की कीमत लंबाई के अनुसार थी, और Studio एक्सपोर्ट्स पर बिल नहीं लगाया जाता है।

इसे खुद आज़माएं

Fashion film, one continuous shot. A model in a sculpted emerald green floor-length gown with long sleeves walks down a mirrored runway toward the camera, camera strobes flashing from the crowd in silhouette on both sides, white haze, slow motion, low tracking shot moving backwards, anamorphic flares, deep blacks. No text, no logo.

Premium car commercial, one continuous shot. An original concept coupe that resembles no production car: a low, wide, wedge-shaped matte white body with a single thin continuous light bar across the nose, no grille, no badges, a smooth flush glass canopy, enclosed rear wheel arches and a sharp ducktail rear. It slides sideways through a wet night street lined with bare concrete walls and plain vertical neon tubes in teal and magenta, no shop windows, no signs, no lettering anywhere. Rain streaks in the air, neon reflections stretched across the asphalt, low side tracking shot, spray from the tyres, motion blur on the passing lights, cinematic contrast.

Music video, one continuous shot. A rooftop rave at night: a dense crowd in silhouette wearing long dark coats, hoodies and bucket hats, arms raised, under sharp green laser beams fanning through a thick haze layer, confetti bursting in slow motion, a city skyline of blurred lights behind them, low handheld camera looking up, backlit, high contrast. No text, no logo.

आपकी क्लिप्स और बेड्स हमारे से मैच नहीं करेंगे; एक प्रॉम्प्ट मॉडल को सीन या मूड देता है, टेक नहीं, इसलिए Mark In के लिए अपना खुद का शांत पैसेज ढूंढें। वॉइस मैच करेगी, क्योंकि कैरेक्टर इसे कैरी करता है।

चेकलिस्ट

1. कैरेक्टर एक नाम और फोटो के साथ मौजूद है।
2. वॉइस डायलॉग: कैटलॉग वॉइस, नामित वॉइस वाला एक मॉडल, प्रीव्यू चलाया गया, सेव किया गया।
3. ऑडियो कम्पोज़र: Speak as कैरेक्टर दिखाता है और नोट वॉइस का नाम बताता है।
4. प्रति लाइन एक जेनरेशन; काटने से पहले हर टेक की जांच करें।
5. मजबूत डायनैमिक्स के साथ मांगा गया एक म्यूजिक बेड, और प्रति क्लिप एक क्यू।
6. Studio: क्लिप, प्लेहेड पर टेक, एक शांत पैसेज से पांच सेकंड का बेड विंडो, वॉइस से साफ क्यू, Export video।