Volcengine Video-to-Video Lip Sync от ByteDance — переозвучка готового видео: синхронизирует движение губ с новой аудиодорожкой (дубляж, перевод). Вход — видео (360p–1080p) + чистый вокал. Режим lite для фронтальных лиц, basic для сложных сцен. Длина результата = длине аудио. Оплата по факту: 200…
Volcengine Video-to-Video Lip Sync - модель ByteDance, которая работает с уже снятым видео. Вы загружаете ролик и новую аудиодорожку, а модель синхронизирует движение губ с этим звуком. Так можно заменить речь без пересъёмки.
На вход нужны видео разрешением от 360p до 1080p и чистый вокал, то есть голос без посторонних звуков. Длина результата равна длине загруженного аудио.
Есть два режима. Lite рассчитан на фронтальные лица, basic - на сложные сцены. Режим стоит выбирать по тому, как человек выглядит в кадре.
Оплата идёт по факту: 200 SC за секунду готового результата. Стоимость легко прикинуть заранее по длине аудиодорожки.
Готовое видео (от 360p до 1080p) и аудиодорожку с чистым вокалом. Модель подстроит движение губ под этот звук.
Lite предназначен для фронтальных лиц, basic - для сложных сцен. Если человек не смотрит прямо в камеру или сцена непростая, выбирайте basic.
200 SC за секунду результата. Длина результата равна длине аудио, так что 10 секунд обойдутся в 2000 SC.
Да, это её основное назначение. Вы берёте исходный ролик, добавляете озвучку на нужном языке, и губы в кадре подстраиваются под новую речь.
Так указано во входных требованиях модели. Голос без фоновых звуков даёт ей ясную опору для синхронизации, поэтому музыку и шумы лучше убрать заранее.