Videomodell · VEED ·
VEED Lipsync 2 ist ein Video-Modell von VEED. In Endless kostet es 323 Credits pro Video und ist verfügbar ab dem Plan Hobby.
Nutze es, um aus einem Prompt oder einem Bild ein Video zu machen, neben allen anderen Modellen in deinem Workspace.
323 Credits pro Video
VEED Lipsync 2 verändert nur den Mund und den unteren Gesichtsbereich einer gefilmten Person. Es nimmt ein Video und eine Audiodatei, verfolgt den Sprecher Frame für Frame und rendert Mund und unteren Gesichtsbereich so neu, dass sie zur neuen Spur passen. VEED sagt, dass Emotion, Stil und Timing aus dem Audio übernommen werden und dass das Modell Zero-Shot arbeitet: Du lädst kein Referenzmaterial hoch und richtest nichts pro Gesicht ein. Das Ergebnis hat die Auflösung, mit der du hineingegangen bist.
Die meisten Aufgaben passen in diese Form:
Video: [ein Sprecher, zur Kamera gewandt], [Bildausschnitt], [Länge].
Audio: [nur die neue Sprache], [Sprache], [dieselbe Länge wie der Clip].
Lade nur Sprache hoch. Voiceovers, synchronisierte Spuren, Text-to-Speech-Ausgaben und Erzählungen funktionieren, und die API von VEED akzeptiert Audio in jeder Sprache. Mische Musik und Effekte nach der Synchronisierung wieder dazu, damit der Mund nicht darauf reagiert.
Mach das Audio so lang wie den Clip. Endless hat keine Einstellung dafür, was bei abweichenden Längen passiert, also kürze vor dem Upload. Bei einer Übersetzung bitte die Sprecherin oder das Stimmmodell, das Originaltempo zu halten; eine übersetzte Zeile, die deutlich länger läuft als das Original, hat kein Bildmaterial, das sie füllt.
Bei der Korrektur einer einzelnen Zeile schneidest du die neuen Worte in den Originalton ein, statt den neuen Satz allein hochzuladen. Der Rest des Clips behält dann seinen ursprünglichen Klang.
VEED empfiehlt einen Clip mit übersetztem Voiceover pro Sprache, ein Durchlauf pro Version. Nimm für jeden Durchlauf denselben Quellclip, damit sich die Versionen nur in Mund und Ton unterscheiden. Nimm jede Übersetzung auf oder generiere sie, während du das Originalvideo ansiehst, damit die Sprecherin den Pausen des Sprechers folgt; eine Zeile, die zum Originaltiming passt, muss danach nicht gekürzt werden. Wenn ein Markt einen anderen Preis oder ein anderes Angebot braucht, ändere nur diesen Satz im Audio dieses Markts.
Weitere Einstellungen gibt es nicht. Die Ausgabe behält die Auflösung der Quelle.
Mehrere Sprecher im Bild, enge Seitenprofile oder Nahaufnahmen, in denen kleine Artefakte auffallen würden: Sync 3. Kein Videomaterial, nur ein Porträt und eine Stimme: Fabric 1.0 (ebenfalls von VEED), Pruna Avatar oder MiniMax H3 Max Lip-sync.
Öffne in deinem Workspace Video und wähle VEED Lipsync 2 in der Modellauswahl.
Schreibe einen Prompt mit Motiv, Kamera und Bewegung oder starte mit einem Bild, das du hochlädst oder generierst.
Generiere und verfeinere dann im Chat oder auf einem Canvas. Jeder Clip wird in den Dateien deines Workspace gespeichert.
Nach Anwendungsfall gruppiert. Jeder öffnet sich in Endless mit VEED Lipsync 2, bereit zum Bearbeiten und Generieren.
Video: ein 60-sekündiges Erklärvideo, die Präsentatorin schaut in einer halbnahen Einstellung in die Kamera. Audio: dasselbe Skript ins Spanische übersetzt und von einer Muttersprachlerin in ähnlichem Tempo gelesen, nur Dialog.
Video: ein Update eines Gründers, mit der Webcam gefilmt, das Gesicht zentriert. Audio: ein deutscher Voiceover des Updates, erstellt mit einem Stimmmodell in Endless und auf die Länge des Clips getrimmt.
Video: eine Lektion eines Onlinekurses, die Dozentin steht an einem Whiteboard und dreht sich kurz zur Tafel. Audio: die französische Fassung der Lektion, mit den Pausen an den Stellen, an denen sie schreibt.
Video: ein vertikaler 9:16-Creator-Clip, mit dem Handy gedreht. Audio: die brasilianisch-portugiesische Fassung derselben Zeilen, von einem Synchronsprecher mit derselben Energie eingesprochen.
Video: eine Support-Anleitung, der Präsentator ist in der unteren Ecke einer Bildschirmaufnahme zu sehen. Audio: der japanische Voiceover der Anleitung, als WAV exportiert.
Video: die 6-sekündige Einstellung, in der der Moderator den Namen eines Gasts falsch ausspricht. Audio: der Originalton, in dem nur dieser Name durch eine Nachaufnahme desselben Moderators ersetzt ist.
Video: ein Präsentator-Clip, in dem der Preis falsch vorgelesen wurde. Audio: derselbe Satz, neu aufgenommen mit dem richtigen Preis, in der Länge an die Originalzeile angepasst.
Video: ein Schulungsvideo, in dem die Dozentin einen alten Menüpunkt nennt. Audio: der Satz, neu aufgenommen mit dem neuen Menünamen, mit dem Raumton des Originaltakes darunter.
Video: eine Interviewantwort mit einem Stolperer in der Mitte. Audio: ein sauberer Take der Antwort vom selben Sprecher, auf die Länge der Einstellung geschnitten.
Video: eine Vlog-Einstellung aus der Hand, in der Wind einen Satz übertönt hat. Audio: der Satz, vom Vlogger drinnen neu aufgenommen, mit leichter Außenatmosphäre wieder daruntergelegt.
Video: eine 20-sekündige Werbung mit einem Sprecher, der in die Kamera schaut. Audio: dasselbe Skript, in dem der alte Produktname durch den neuen ersetzt ist, von der Originalstimme neu aufgenommen.
Video: eine Werbung im UGC-Stil, in einer Küche mit schnellen Kamerabewegungen gedreht. Audio: eine Fassung des Skripts mit einem neuen Angebot, „20 % Rabatt diese Woche“, anstelle des alten.
Video: eine 15-sekündige Werbung. Audio: vier regionale Voiceovers desselben Skripts, nacheinander verarbeitet, um aus einem Dreh vier Marktversionen zu erstellen.
Video: eine Produktdemo, in der der Präsentator das Produkt nah ans Gesicht hält. Audio: die Zeile, neu aufgenommen mit dem aktualisierten Funktionsnamen, in derselben Länge wie zuvor.
Video: eine 4K-Markenwerbung mit einem Sprecher im schwachen Abendlicht. Audio: der lokalisierte Voiceover für Mexiko, die Musik wird danach im Schnitt wieder hinzugefügt.
Video: ein 2D-Cartoon-Maskottchen, das in einem kurzen Loop in die Kamera spricht. Audio: eine neue Werbezeile in der Stimme des Maskottchens, in derselben Länge wie der Loop.
Video: ein Clip einer 3D-animierten Tierfigur, die zum Betrachter schaut. Audio: eine freundliche Begrüßung, von einem Synchronsprecher für die Figur eingesprochen.
Video: ein KI-generierter Präsentator-Clip aus einem Videomodell, ein Sprecher schaut in die Kamera. Audio: ein überarbeitetes Skript, von einem Stimmmodell in Endless gelesen.
Video: eine Nahaufnahme einer Figur im Anime-Stil aus einem Game-Trailer. Audio: die lokalisierte Zeile für die koreanische Veröffentlichung.
Video: eine Puppe in einer halbnahen Einstellung. Audio: eine neu aufgenommene Zeile des Puppenspielers mit einem neuen Witz anstelle des alten.
von VEED
Ab 85 Credits pro Video
von ByteDance
Ab 51 Credits pro Video
von Google
Ab 14 Credits pro Video
VEED Lipsync 2 ist ab dem Plan Hobby verfügbar. Erstelle einen kostenlosen Workspace, teste zuerst die anderen Modelle und wechsle den Plan, wenn du ihn brauchst.