SceneMixer
Русский
Зарегистрироваться бесплатно

Говорящие персонажи

ИИ-видео с говорящими персонажами

Обновлено 15 ноября 2026 г.

Короткий ответ: речь генерируется вместе с картинкой за один проход, а не накладывается в виде лип-синка на тихий рендер. Каждый кадр содержит реплику дословно, указанный говорящий привязан к стабильному библиотечному голосу, добавляется короткая указание по подаче и явная пометка, что у всех остальных в кадре губы сомкнуты. У кадров с диалогом есть минимальная длительность — в английском это три слова в секунду — поэтому реплику никогда не втискивают в слишком короткий для неё кадр.
Кадр из «Завеса на рассвете», AI-короткометражной дорамы, полностью сгенерированной SceneMixer (6 персонажей, 1 эпизод)
ПримерЗавеса на рассветеЦифровое HD1 эпизодПолностью создано SceneMixer по сценариюСмотреть серии
SceneMixer вкратцеЧто вы получаете
Цена видеоОт 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 клипаДо 30 секунд на один сгенерированный сегмент; серия собирается из сегментов, стоимость сборки — 1 кредит в секунду
Расчёт на одну серию60-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 $
ДиалогиЗвучат прямо в самом видео, у каждого персонажа свой голос, на любом из 15 языков
ФорматыВертикальный 9:16 или горизонтальный 16:9; от 480P до 1080P, плюс уровень 2K
Бесплатный старт50 кредитов при регистрации, 15 бесплатных изображений для настройки, бесплатная раскадровка первой серии и бесплатное 5-секундное превью видео
Кто пользуется2 900+ авторов уже запускали генерацию в SceneMixer (аккаунты хотя бы с одной генерацией, подсчёт на ноябрь 2026 г.)
Входные данныеСценарий, 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

Что передаётся вместе с кадром, где персонаж говорит
РепликаДословно, один раз. Произносится ровно как написано — без перефразирования и перераспределения по времени.
Кто говоритУказывается по имени и привязывается к голосовому референсу персонажа, чтобы один и тот же герой звучал одинаково во всех сериях.
Как говоритКороткая ремарка в скобках — себе под нос, всё ещё улыбаясь, натянуто ровным голосом. Это указание по подаче, а не субтитр.
Кто ещё в кадреПомечается как «губы сомкнуты», чтобы слушатели не шевелили губами в такт речи.
Речь за кадромСначала в скобках ставится пометка — закадровый голос, по телефону, по громкой связи — а потом все видимые персонажи описываются с сомкнутым ртом.
ТаймингКадр 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

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.

Посмотреть все 15 языков

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.

ШагВ SceneMixerВручную в отдельных инструментах
Сценарий и план серийВставьте сценарий или роман либо введите одну строку: текст разбирается на персонажей, локации, реквизит и план серий, который можно правитьЧат-модель пишет сценарий; вы сами делите его на серии и переносите текст из инструмента в инструмент
Лица персонажей и местаКаждый персонаж, локация и предмет рисуется один раз как референсный лист и подключается ко всем кадрам, где появляетсяМодель изображений, по одному листу за раз; нужный референс вы загружаете в каждый клип сами
КадрыРаскадровка на каждую серию с пронумерованными кадрами и секундами; видео генерируется сегмент за сегментом в формате 9:16 или 16:9 по тем же листамВидеомодель, один клип на один промпт, и одних и тех же людей каждый раз приходится описывать заново
Голоса и диалогиРеплики звучат прямо в самом видео, у каждого персонажа свой голос, на любом из 15 языковОтдельный синтезатор речи для каждой реплики, затем синхронизация губ в каждом клипе
Исправление одного кадраИзмените текст этого кадра и пересоздайте только его сегмент; остальная часть серии остаётся нетронутойВы пересоздаёте клип и заново монтируете таймлайн
Финальная сборкаСегменты собираются в один файл серии вместе с музыкой; участники подписки скачивают его без знака AIВидеоредактор: склеить клипы, добавить музыку и субтитры, затем экспортировать
ПубликацияГотовую серию вы загружаете в TikTok, YouTube, Instagram или куда угодно ещё; за вас ничего не публикуетсяВы 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 бесплатно

Пакеты кредитов от 1,49 $ · Pro 7,99 $/мес · Банковская карта не нужна для старта