Говорящие персонажи
ИИ-видео с говорящими персонажами
Обновлено 15 ноября 2026 г.

| SceneMixer вкратце | Что вы получаете |
|---|---|
| Цена видео | От 0,06 $ в секунду (кредитов: 10) на уровне по умолчанию, до 0,47 $ в секунду на высшем уровне; каждая цена показывается до нажатия кнопки |
| Длина клипа | До 30 секунд на один сгенерированный сегмент; серия собирается из сегментов, стоимость сборки — 1 кредит в секунду |
| Расчёт на одну серию | 60-секундная серия на уровне по умолчанию стоит около 660 кредитов (видео плюс сборка), или около 4,11 $ по самой низкой цене кредита; сериал из 10 серий по 90 секунд по роману в 30 000 символов — около 10 026 кредитов, или около 62 $ |
| Диалоги | Звучат прямо в самом видео, у каждого персонажа свой голос, на любом из 15 языков |
| Форматы | Вертикальный 9:16 или горизонтальный 16:9; от 480P до 1080P, плюс уровень 2K |
| Бесплатный старт | 50 кредитов при регистрации, 15 бесплатных изображений для настройки, бесплатная раскадровка первой серии и бесплатное 5-секундное превью видео |
| Кто пользуется | 2 900+ авторов уже запускали генерацию в SceneMixer (аккаунты хотя бы с одной генерацией, подсчёт на ноябрь 2026 г.) |
| Входные данные | Сценарий, роман или идея в одну строку; загрузка файлов .txt, .docx и .md |
Голос генерируется одновременно с картинкой
Заставить персонажа говорить на экране можно двумя способами. Первый — отрендерить тихое видео, а потом привести рот в движение по аудиодорожке: это путь лип-синка, для которого нужен кроп лица и управляющий аудиофайл; в результате лицо двигается правильно, а тело не играет. Второй — сгенерировать картинку и звук вместе, так что игра и движения рта — это одно решение модели.
Вторую часть делает конвейер SceneMixer. Тариф видео по умолчанию — аудиовизуальный: модели передаются реплика, кто её говорит, как она произносится и референс голоса, а на выходе — кадр с произнесённой репликой. Ничего не подклеивается потом.
Коротко о главном
| Реплика | Дословно, один раз. Произносится ровно как написано — без перефразирования и перераспределения по времени. |
|---|---|
| Кто говорит | Указывается по имени и привязывается к голосовому референсу персонажа, чтобы один и тот же герой звучал одинаково во всех сериях. |
| Как говорит | Короткая ремарка в скобках — себе под нос, всё ещё улыбаясь, натянуто ровным голосом. Это указание по подаче, а не субтитр. |
| Кто ещё в кадре | Помечается как «губы сомкнуты», чтобы слушатели не шевелили губами в такт речи. |
| Речь за кадром | Сначала в скобках ставится пометка — закадровый голос, по телефону, по громкой связи — а потом все видимые персонажи описываются с сомкнутым ртом. |
| Тайминг | Кадр с диалогом никогда не короче, чем нужно для реплики: в английском — три слова в секунду, в китайском — пять иероглифов в секунду. |
Голоса подбираются, а не синтезируются отдельно для каждого персонажа
В SceneMixer каждому персонажу назначается голос из библиотеки готовых системных голосов: перед выбором вы слышите образец длиной три–восемь секунд, можно подобрать заново, выбрать другой в селекторе или загрузить собственную запись. Причина в подборе, а не в проектировании голоса для каждого персонажа — в стоимости и стабильности: спроектированные голоса плывут от генерации к генерации и стоят денег за каждого персонажа, тогда как голос из библиотеки тот же в первой серии и в двенадцатой.
Если персонажу не назначен голос, в кадре используется текстовое описание голоса — возраст, тембр, регистр — которое модель интерпретирует сама. Это поведение по умолчанию для новых проектов; назначение голосов — это осознанный шаг, а не автоматическая процедура для всех персонажей.
Правило тайминга и зачем оно нужно
Четыре секунды кадра не вместят шестнадцать английских слов. Либо подача станет неразборчивой, либо реплику обрежут. Поэтому кадры диалогов в SceneMixer имеют нижнюю границу, выведенную из реплики: число слов, делённое на три, для английского; число знаков, делённое на пять, для китайского; короткие реплики получают сверху паузу, а не сжимаются до теоретического минимума. Кадры, которые получаются слишком короткими для своей реплики, помечаются и исправляются до рендера — это дешевле, чем обнаружить это в результате.
Язык
Язык диалогов — это настройка проекта, которую выбирают один раз; он применяется там, где реплики пишутся изначально, а не переводится постфактум — поэтому игра получается сразу на нужном языке, а не в виде дубляжа. Доступно пятнадцать языков интерфейса, и диалоги поддерживаются на всех из них; на стандартном тарифе в паре языков иногда встречаются неправильные произношения отдельных слов, и в селекторе об этом сказано там, где это актуально. Подробности — на странице голосов персонажей.
Что эта функция не делает
- Клонирование голоса, на который у вас нет права. Вы можете загрузить собственную запись как образец для своих персонажей, а Оригинальный голос в Переозвучке клонирует голос персонажа из самого клипа.
- Синхронизация губ для загруженного фото. Речь SceneMixer приходит из генерации, а не из оживления существующего кадра; загруженное видео получает новые реплики только через Замену в переснятом ролике, которая заново генерирует изменённую часть.
- Не попадает точно в заданную длительность реплики. Соблюдается только минимальная длительность; точная длина подачи остаётся на усмотрение модели.
- Не вшивает субтитры в кадр. Текст не рендерится прямо в видео. Субтитры добавляются после экспорта.
- Не гарантирует идеальное произношение всех имён собственных. Особенно вымышленные имена стоит прослушать в превью перед тем, как запускать целую серию.
Сколько это стоит
Речь включена в стоимость видео — отдельной платы за аудио нет. Видео стоит от 10 кредитов за секунду готового ролика (≈ 0,06 $/с на тарифе самая низкая цена за кредит) и до 0,47 $/с на самом качественном тарифе; сборка стоит 1 кредит за секунду. Подбор голоса из библиотеки бесплатный. Новые аккаунты получают 50 кредитов и одно бесплатное превью длительностью до 5 секунд — этого достаточно, чтобы прослушать, как говорит персонаж, перед принятием решения. Актуальные тарифы — на странице цен.
Языки
Родная речь на 15 языках
Каждый сериал ниже создан по одному и тому же пайплайну SceneMixer: актёры говорят на выбранном языке как на родном — интерфейс, рабочие документы и реплики на одном языке, без дубляжа. Откройте любой, чтобы послушать.
A Carta de LisboaPortuguêsРодная речь
윈터 프라미스한국어Родная речь
El Secreto de CostaEspañolРодная речь
浪人の誓い日本語Родная речь
Ikrar JakartaBahasa IndonesiaРодная речь
Зимняя коронаРусскийНа вашем языке
L’Héritier du DéfiléFrançaisРодная речь
Il Tavolo dell'OlivaItalianoРодная речь
De Vuurtoren van de FjordNederlandsРодная речь
العهد الصحراويالعربيةРодная речь
Çantasındaki SözleşmeTürkçeРодная речь
Die Istanbul-TäuschungDeutschРодная речь
Останній сигналУкраїнськаРодная речь
問劍青雲繁體中文Родная речь
The Last EnvelopeEnglishРодная речь
SceneMixer или связка разных инструментов
Большинство процессов создания AI-драм — это пять-шесть инструментов подряд. Здесь показано, где происходит каждый шаг и что он заменяет.
| Шаг | В SceneMixer | Вручную в отдельных инструментах |
|---|---|---|
| Сценарий и план серий | Вставьте сценарий или роман либо введите одну строку: текст разбирается на персонажей, локации, реквизит и план серий, который можно править | Чат-модель пишет сценарий; вы сами делите его на серии и переносите текст из инструмента в инструмент |
| Лица персонажей и места | Каждый персонаж, локация и предмет рисуется один раз как референсный лист и подключается ко всем кадрам, где появляется | Модель изображений, по одному листу за раз; нужный референс вы загружаете в каждый клип сами |
| Кадры | Раскадровка на каждую серию с пронумерованными кадрами и секундами; видео генерируется сегмент за сегментом в формате 9:16 или 16:9 по тем же листам | Видеомодель, один клип на один промпт, и одних и тех же людей каждый раз приходится описывать заново |
| Голоса и диалоги | Реплики звучат прямо в самом видео, у каждого персонажа свой голос, на любом из 15 языков | Отдельный синтезатор речи для каждой реплики, затем синхронизация губ в каждом клипе |
| Исправление одного кадра | Измените текст этого кадра и пересоздайте только его сегмент; остальная часть серии остаётся нетронутой | Вы пересоздаёте клип и заново монтируете таймлайн |
| Финальная сборка | Сегменты собираются в один файл серии вместе с музыкой; участники подписки скачивают его без знака AI | Видеоредактор: склеить клипы, добавить музыку и субтитры, затем экспортировать |
| Публикация | Готовую серию вы загружаете в TikTok, YouTube, Instagram или куда угодно ещё; за вас ничего не публикуется | Вы загружаете вручную, так же как и здесь |
Частые вопросы
Это лип-синк?
Нет. SceneMixer генерирует картинку и речь вместе за один проход, так что рот и игра — одно решение. Отдельной аудиодорожки, подгоняемой под немой рендер, нет, и нельзя управлять фото или загруженным видео.
Можно ли использовать свой голос?
Запись можно загрузить в SceneMixer как образец голоса персонажа. Чужой голос — только с разрешения владельца.
Шевелят ли губами слушатели в кадре?
Не должны — SceneMixer явно помечает каждого не говорящего персонажа в кадре с закрытыми губами: это инструкция, которая не даёт слушателю шевелить губами вместе с репликой.
Что происходит с закадровым голосом и телефонными разговорами?
SceneMixer сначала пишет метку «за кадром» в инструкции к доставке, а затем описывает всех видимых в кадре с закрытым ртом — так реплика слышна, но никто не выглядит говорящим.
Почему кадр с диалогом длиннее, чем я написал?
Потому что реплике нужно время. SceneMixer даёт кадрам с диалогом нижнюю границу около трёх слов в секунду для английского, пять знаков в секунду для китайского, с паузой для очень коротких реплик. Кадр, слишком короткий для своей реплики, исправляется до рендера, а не после.
Прослушайте персонажа перед тем, как запускать серию
Бесплатного превью хватает на одну реплику диалога.
Попробуйте SceneMixer бесплатноПакеты кредитов от 1,49 $ · Pro 7,99 $/мес · Банковская карта не нужна для старта