A mesma voz em todos os vídeos

O que dá errado e a correção

Antes de começar

• Um personagem na página de Personagens. Para criar um, você precisa de um nome e pelo menos uma foto: clique em Adicionar imagens de referência, envie a foto, dê um nome ao personagem e clique em Criar personagem. O nosso é um retrato gerado, então nenhuma pessoa real está envolvida.
• Um modelo de fala com vozes nomeadas. O diálogo Voz lista apenas essas: os modelos ElevenLabs e Kokoro.
• Os clipes que você quer narrar, na sua Biblioteca. Os nossos são três clipes de cinco segundos sem som: a pista de decolagem e o terraço no Kling v3, a viagem noturna no Seedance 2.5.

Salve a voz no personagem

Na página Personagens, abra o menu ... no card do personagem e escolha Voz. O diálogo oferece dois tipos: Voz do catálogo e Clipe de voz. Mantenha Voz do catálogo. Escolha o Modelo de fala, depois a Voz do catálogo; um botão Reproduzir prévia toca uma amostra gravada dessa voz gratuitamente. Adicione um idioma se quiser, depois Salvar. O card agora mostra a voz abaixo da descrição.

Narre com Falar como

Abra o compositor de áudio na tarefa de Narração e pressione Falar como. Escolha o personagem. O seletor de modelos muda para o modelo salvo e a lista de Vozes para a voz salva, e uma linha abaixo do botão confirma: Falando como Isla Marr · Sarah. Digite a fala e pressione Gerar áudio. Fizemos isso cinco vezes seguidas para dois guias, e o par nunca mudou.

This is the sound of silk at midnight.

Nothing here was built to stand still.

You already know the ending. Wear it anyway.

Coloque uma trilha e um efeito sonoro sob a voz

Uma fala isolada soa vazia. Crie uma base musical na tarefa Música do compositor de áudio e um efeito sonoro em Efeito sonoro, depois monte a linha do tempo de cada clipe no Studio: Timelines, Nova linha do tempo, e na aba Biblioteca do painel esquerdo, o clipe com seu +, a tomada na posição do cursor onde a fala começa, a base e o efeito.

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.

As pistas são uma linha curta cada no ElevenLabs Sound Effects v2, cortadas com Mark Out para não interferir na voz: obturadores de câmera para o primeiro segundo da passarela, o motor e o jato d'água após a fala da cena de direção, e uma torcida da multidão enquanto os confetes do terraço caem. Pressione play: a voz é a mesma nas três cenas porque o modelo e a voz foram a mesma solicitação cada vez, e ela fica acima da música.

Medimos cada exportação: nenhum intervalo de silêncio maior que meio segundo, e a voz pelo menos 3 dB acima de tudo o mais enquanto ela fala. Essas linhas do tempo misturaram todas as faixas no mesmo nível, então esses números vêm das passagens que escolhemos, não de uma configuração.

Três formas de executar

O caminho da API está documentado em Personagens e locações: a voz de um personagem é usada pela geração de áudio com o id do personagem, e pela geração de vídeo quando você solicita a voz do personagem. Executamos o caminho do compositor para este guia, não os outros dois.

Onde você ainda precisa regenerar

• A entrega ainda varia um pouco. Mesma voz, mesmo modelo, mas cada gravação é uma nova leitura. Se uma fala soar plana, execute novamente; a voz não mudará.
• Uma trilha que ainda cobre uma palavra. A exportação abaixa a música sob a voz, mas uma passagem alta ainda pode abafar uma fala. Reduza o Volume do clipe da trilha no inspetor de Áudio, ou mova o Mark In para uma passagem mais calma.
• Sua própria voz é selecionada manualmente. Em um plano pago, Criar voz personalizada na lista de Vozes do compositor de áudio clona sua voz a partir de 10 segundos a 5 minutos de gravações, nos modelos de fala da ElevenLabs. O diálogo de voz da página de Personagens salva apenas vozes do catálogo e clipes de voz, então Falar como ainda não pode usar uma voz personalizada: escolha-a na lista de Vozes a cada vez. Um clipe de voz em um personagem é uma referência para modelos que aceitam uma, não uma voz de texto para fala.
• A velocidade é apenas via API. O compositor não possui controle de velocidade no momento.

Quanto custa

Salvar uma voz não custa nada; visualizar uma voz não custa nada. Cada linha cobra a taxa por caractere do modelo com um mínimo. Cada trilha musical e cada marcação são uma cobrança fixa. Os clipes foram cobrados por duração, e as exportações do Studio não são cobradas.

Experimente você mesmo

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.

Seus clipes e trilhas não corresponderão aos nossos; um prompt fornece ao modelo a cena ou o clima, não a tomada, então encontre sua própria passagem suave para a Marca de Entrada. A voz corresponderá, porque o personagem a carrega.

Checklist

1. O personagem existe com um nome e uma foto.
2. Diálogo de voz: Voz do catálogo, um modelo com vozes nomeadas, prévia reproduzida, salva.
3. Compositor de áudio: Falar como mostra o personagem e a nota nomeia a voz.
4. Uma geração por linha; verifique cada tomada antes de cortar.
5. Uma trilha musical solicitada com dinâmicas fortes, e uma marca por clipe.
6. Studio: clipe, tomada na cabeça de reprodução, uma janela de trilha de cinco segundos de uma passagem suave, a marca livre da voz, Exportar vídeo.