La stessa voce in ogni video

Cosa può andare storto e come correggere

Prima di iniziare

• Un personaggio nella pagina Personaggi. Per crearne uno servono un nome e almeno una foto: premi Aggiungi immagini di riferimento, carica la foto, dai un nome al personaggio e premi Crea il personaggio. Il nostro è un ritratto generato, quindi non è coinvolta alcuna persona reale.
• Un modello di sintesi vocale con voci nominate. La finestra di dialogo Voce elenca solo quelli: i modelli ElevenLabs e Kokoro.
• Le clip che vuoi narrare, nella tua Libreria. Le nostre sono tre clip da cinque secondi senza audio: la passerella e il tetto su Kling v3, la guida notturna su Seedance 2.5.

Salva la voce sul personaggio

Nella pagina Characters, apri il menu ... sulla scheda del personaggio e scegli Voce. La finestra di dialogo offre due opzioni: Voce del catalogo e Clip vocale. Mantieni Voce del catalogo. Seleziona il Modello vocale, poi la Voce del catalogo; il pulsante Riproduci l'anteprima riproduce gratuitamente un campione registrato di quella voce. Aggiungi una lingua se lo desideri, quindi Salva. Ora la scheda mostra la voce sotto la descrizione.

Narrare con Parla come

Apri il compositore audio sul task Voiceover e premi Parla come. Scegli il personaggio. Il selettore del modello passa al modello salvato e l'elenco delle voci alla voce salvata, e una riga sotto il pulsante lo conferma: Parla come Isla Marr · Sarah. Digita la battuta e premi Genera audio. Abbiamo ripetuto questa operazione cinque volte di seguito per due guide, e la coppia non è mai cambiata.

This is the sound of silk at midnight.

Nothing here was built to stand still.

You already know the ending. Wear it anyway.

Aggiungi un sottofondo e un segnale sotto la voce

Una battuta da sola suona spoglia. Crea una base musicale nel task Music dell'audio composer e un effetto sonoro in Sound effect, poi costruisci la timeline di ogni clip in Studio: Timelines, New timeline, e nel pannello sinistro nella scheda Library la clip con il suo +, la take alla playhead dove inizia la battuta, la base e l'effetto.

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.

Gli effetti sonori sono brevi righe su ElevenLabs Sound Effects v2, tagliati con Mark Out per non coprire la voce: scatti della fotocamera per il primo secondo della passerella, motore e spruzzi dopo la battuta della guida, e un boato della folla mentre cadono i coriandoli sulla terrazza. Premi play: la voce è la stessa in tutti e tre i casi perché il modello e la voce erano la stessa richiesta ogni volta, e si posiziona sopra la musica.

Abbiamo misurato ogni esportazione: nessun silenzio più lungo di mezzo secondo e la voce almeno 3 dB sopra tutto il resto mentre parla. Quelle timeline mixavano tutte le tracce allo stesso livello, quindi questi numeri derivano dai passaggi che abbiamo scelto, non da un'impostazione.

Tre modi per farlo

Il percorso API è documentato in Personaggi e location: la voce di un personaggio viene utilizzata dalla generazione audio con l'id del personaggio e dalla generazione video quando richiedi la voce del personaggio. Per questa guida abbiamo eseguito il percorso del compositore, non gli altri due.

Dove devi ancora rigenerare

• La consegna varia ancora un po'. Stessa voce, stesso modello, ma ogni take è una nuova lettura. Se una battuta risulta piatta, eseguila di nuovo; la voce non cambierà.
• Un sottofondo che copre ancora una parola. L'esportazione abbassa la musica sotto la voce, ma un passaggio forte può ancora sovrastare una battuta. Abbassa il Volume della clip del sottofondo nell'ispettore Audio, o sposta Mark In su un passaggio più tranquillo.
• La tua voce viene selezionata manualmente. Su un piano a pagamento, Crea una voce personalizzata nell'elenco Voce del compositore audio clona la tua voce da registrazioni da 10 secondi a 5 minuti, sui modelli di sintesi vocale ElevenLabs. La finestra di dialogo della voce nella pagina Personaggi salva solo le voci del catalogo e i clip vocali, quindi Parla come non può ancora utilizzare una voce personalizzata: scegliela nell'elenco Voce ogni volta. Un clip vocale su un personaggio è un riferimento per i modelli che lo accettano, non una voce text-to-speech.
• La velocità è disponibile solo tramite API. Il compositore non ha attualmente un controllo della velocità.

Quanto costa

Salvare una voce non costa nulla; anche la sua anteprima è gratuita. Ogni riga viene fatturata al tasso per carattere del modello, con un minimo. Ogni base musicale e ogni cue sono un addebito forfettario. I clip erano prezzati in base alla durata, e le esportazioni da Studio non sono fatturate.

Provalo tu stesso

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.

I tuoi clip e sottofondi non corrisponderanno ai nostri; un prompt fornisce al modello la scena o l'atmosfera, non la ripresa, quindi trova il tuo passaggio tranquillo per il Segno In. La voce corrisponderà, perché il personaggio la porta con sé.

Checklist

1. Il personaggio esiste con un nome e una foto.
2. Finestra di dialogo Voce: Voce del catalogo, un modello con voci nominate, anteprima riprodotta, salvata.
3. Compositore audio: Parla come mostra il personaggio e la nota indica la voce.
4. Una generazione per riga; controlla ogni ripresa prima di tagliare.
5. Un sottofondo musicale richiesto con dinamiche forti, e un cue per clip.
6. Studio: clip, ripresa alla testina di riproduzione, una finestra di sottofondo di cinque secondi da un passaggio tranquillo, il cue lontano dalla voce, Esporta video.