Говіркі персонажі
AI-відео з говіркими персонажами
Оновлено 15 листопада 2026 р.

| SceneMixer коротко | Що ви отримуєте |
|---|---|
| Ціна відео | Від 0,06 $ за секунду (10 кредитів) на рівні за замовчуванням, до 0,47 $ за секунду на найвищому рівні; кожну ціну видно до того, як ви натиснете кнопку |
| Тривалість кліпу | До 30 секунд на згенерований сегмент; епізод збирається з його сегментів за 1 кредит за секунду |
| Розрахунок на один епізод | 60-секундний епізод на рівні за замовчуванням коштує приблизно 660 кредитів (відео плюс складання епізоду), тобто близько 4,11 $ за найнижчою ціною кредиту; серіал із 10 епізодів по 90 секунд за романом на 30 000 символів — це приблизно 10 026 кредитів, тобто близько 62 $ |
| Діалоги | Звучать прямо у відео, один голос на персонажа, будь-якою з 15 мов |
| Формати | 9:16 вертикально або 16:9 горизонтально; від 480P до 1080P, а також рівень 2K |
| Безкоштовний старт | 50 кредитів після реєстрації, 15 безкоштовних зображень для налаштування, безкоштовна розкадровка першого епізоду та безкоштовний 5-секундний попередній перегляд відео |
| Хто це використовує | 2 900+ творців уже генерували в SceneMixer (облікові записи щонайменше з однією генерацією, підрахунок на листопад 2026) |
| Вхідні дані | Сценарій, роман або ідея в один рядок; завантаження .txt, .docx і .md |
Голос генерується разом із зображенням
Є два способи змусити персонажа говорити на екрані. Один — відрендерити німе відео, а потім рухати рот за допомогою аудіодоріжки: це шлях ліп-синку, для якого потрібен виріз обличчя та керуючий аудіофайл; у результаті обличчя рухається правильно, а тіло не грає. Інший — згенерувати зображення і звук разом, щоб гра й рухи рота були одним цілим.
Конвеєр SceneMixer робить друге. Типовий рівень відео — аудіовізуальний: модель отримує репліку, того, хто її каже, як її промовляють, і голосовий референс, і повертає кадр, у якому репліка вже вимовлена. Після цього нічого не склеюється.
Коротко
| Репліка | Дослівно, один раз. Промовляється точно так, як написано — без перефразування, без зміни таймінгу. |
|---|---|
| Хто говорить | Із зазначенням імені, прив’язане до референсу голосу цього персонажа, щоб одна й та сама особа звучала однаково в усіх серіях. |
| Як говориться | Коротка вказівка в дужках — під ніс, усе ще посміхаючись, змушуючи себе говорити рівно. Це режисерська вказівка, а не субтитр. |
| Хто ще в кадрі | Позначено як «губи закриті», щоб слухачі не ворушили губами слідом за мовцем. |
| Закадрове мовлення | Спочатку в дужках позначають тип — за кадром, по телефону, через гучномовець — а потім усіх видимих описують із закритим ротом. |
| Таймінг | Кадр із діалогом ніколи не коротший, ніж потрібно для репліки: три слова на секунду англійською, п’ять ієрогліфів на секунду китайською. |
Голоси підбирають, а не синтезують окремо для кожного персонажа
У SceneMixer кожному персонажу призначається голос із бібліотеки готових системних голосів: перед вибором ви чуєте зразок тривалістю від трьох до восьми секунд, можете підібрати голос повторно, обрати інший у селекторі або завантажити власний запис. Підбір, а не окремий дизайн голосу для кожного персонажа, зроблено через вартість і стабільність: створені голоси від покоління до покоління змінюються і коштують окремо за кожного персонажа, а голос із бібліотеки — той самий у першому епізоді та в дванадцятому.
Якщо персонажу не призначено голос, кадр використовує письмовий опис голосу — вік, тембр, регістр, — який модель інтерпретує. Це типова поведінка для нових проєктів; призначення голосів — свідомий крок, а не щось, що відбувається непомітно для кожного персонажа.
Правило таймінгу і чому воно існує
Чотирисекундний кадр не вмістить шістнадцять англійських слів. Або подача стає такою швидкою, що її не розібрати, або репліку обрізають. Тому діалогові кадри в SceneMixer мають мінімальну тривалість, що виходить із репліки: кількість слів, поділена на три для англійської, і кількість знаків, поділена на п'ять для китайської; короткі репліки отримують паузу понад розрахунок, а не стискаються до теоретичного мінімуму. Кадри, які вийшли занадто короткими для своєї репліки, позначаються і виправляються до рендера — це дешевше, ніж помітити це на результаті.
Мова
Мова діалогів — це налаштування проєкту, яке обирають один раз; її застосовують там, де репліки пишуть спочатку, а не перекладають потім, — тому гра звучить цією мовою, а не є дубляжем. Доступно п’ятнадцять мов інтерфейсу, і діалоги підтримуються всіма ними; у кількох мовах іноді трапляються неправильні вимови окремих слів на типовому рівні моделі, про що в селекторі є відповідне попередження. Докладніше про це розказано на сторінці голосів персонажів.
Що ця функція не робить
- Клонувати голос, на використання якого у вас немає права. Ви можете завантажити власний запис як зразок для своїх персонажів, а у функції «Переозвучити» Оригінальний голос клонує голос персонажа з самого кліпу.
- Синхронізація губ з фото, яке ви завантажуєте. Мовлення в SceneMixer береться з генерації, а не з керування наявним кадром; завантажене відео отримує нові репліки лише через Заміну у переробці, яка генерує змінену частину знову.
- Давати точну тривалість репліки. Мінімальна тривалість дотримується; точна довжина подачі визначається моделлю.
- Впалювати субтитри у відео. У кадрі не рендериться жоден текст. Підписи додають після експорту.
- Гарантувати ідеальну вимову кожного власного найменування. Особливо вигадані імена варто попередньо прослухати перед тим, як запускати серію.
Скільки це коштує
Мовлення вже включено у вартість відео — окремої плати за аудіо немає. Відео коштує від 10 кредитів за секунду готового матеріалу (приблизно 0,06 $/с на тарифі найнижча ціна кредиту) і до 0,47 $/с на найчіткішому рівні; монтаж — 1 кредит за секунду. Підбір голосу з бібліотеки нічого не коштує. Нові акаунти отримують 50 кредитів і одне безкоштовне попереднє відтворення тривалістю до 5 секунд — достатньо, щоб почути, як говорить персонаж, перш ніж приймати рішення. Тарифи — на сторінці цін.
Мови
Рідна мова діалогів 15 мовами
Кожен серіал нижче створено за тим самим пайплайном SceneMixer: актори розмовляють відповідною мовою як носії — інтерфейс, робочі документи та репліки однією мовою, без дубляжу. Відкрийте, щоб послухати.
A Carta de LisboaPortuguêsРідномовні діалоги
윈터 프라미스한국어Рідномовні діалоги
El Secreto de CostaEspañolРідномовні діалоги
浪人の誓い日本語Рідномовні діалоги
Ikrar JakartaBahasa IndonesiaРідномовні діалоги
Зимняя коронаРусскийРідномовні діалоги
L’Héritier du DéfiléFrançaisРідномовні діалоги
Il Tavolo dell'OlivaItalianoРідномовні діалоги
De Vuurtoren van de FjordNederlandsРідномовні діалоги
العهد الصحراويالعربيةРідномовні діалоги
Çantasındaki SözleşmeTürkçeРідномовні діалоги
Die Istanbul-TäuschungDeutschРідномовні діалоги
Останній сигналУкраїнськаВашою мовою
問劍青雲繁體中文Рідномовні діалоги
The Last EnvelopeEnglishРідномовні діалоги
SceneMixer проти склеювання окремих інструментів
Більшість робочих процесів для ШІ-драм — це п’ять-шість інструментів поспіль. Ось де відбувається кожен крок тут і що саме він замінює.
| Крок | У SceneMixer | Вручну, окремими інструментами |
|---|---|---|
| Сценарій і план епізодів | Вставте сценарій чи роман або введіть один рядок: його розбирають на склад персонажів, локації, реквізит і план епізодів, який можна редагувати | Чат-модель пише сценарій; ви самі ділите його на епізоди й переносите текст з інструмента в інструмент |
| Обличчя персонажів і місця дії | Кожен персонаж, локація й предмет реквізиту малюється один раз як референсний аркуш і прикріплюється до кожного кадру, де він з’являється | Модель зображень, по одному аркушу за раз; потрібний референс до кожного кліпу ви завантажуєте самі |
| Кадри | Розкадровка на кожен епізод із пронумерованими кадрами та секундами; відео генерується сегмент за сегментом у 9:16 або 16:9 за тими самими аркушами | Відеомодель, один кліп на один промпт, і кожного разу тих самих людей описують знову |
| Голоси та діалоги | Репліки звучать прямо у відео, один голос на персонажа, будь-якою з 15 мов | Окремий інструмент озвучення тексту для кожної репліки, потім синхронізація губ на кожному кліпі |
| Виправлення одного кадру | Змініть текст цього кадру й перегенеруйте лише його сегмент; решта епізоду лишається недоторканою | Перегенерувати кліп, потім заново змонтувати таймлайн |
| Завершення | Сегменти збираються в один файл епізоду з музикою; користувачі з підпискою завантажують його без позначки ШІ | Відеоредактор, щоб з’єднати кліпи, додати музику й субтитри, а потім експортувати |
| Публікація | Готовий епізод ви завантажуєте в TikTok, YouTube, Instagram або будь-куди ще; нічого не публікується за вас | Завантаження вручну — так само, як тут |
Поширені запитання
Це ліп-синк?
Ні. SceneMixer генерує картинку й мову разом за один прохід, тож рот і гра акторів — це одне рішення. Немає окремої звукової доріжки, яку підганяють під беззвучний рендер, і немає способу оживити фото чи завантажене відео.
Чи можна використати власний голос?
Ви можете завантажити запис до SceneMixer як зразок голосу персонажа. Чужий голос — лише з дозволу цієї людини.
Чи рухають губами слухачі в кадрі?
Не повинні — SceneMixer прямо позначає кожного персонажа в кадрі, який не говорить, із закритими губами; це інструкція, яка не дає слухачеві беззвучно повторювати репліку.
Що відбувається з закадровим голосом і телефонними розмовами?
Спочатку SceneMixer ставить позначку «За кадром» у нотатці до подачі, а потім описує всіх видимих у кадрі з закритим ротом — тож репліку чути, але ніхто в кадрі не виглядає так, ніби її вимовляє.
Чому мій діалоговий кадр довший, ніж я запланував?
Бо репліка потребує часу. SceneMixer дає кадрам із діалогом мінімум приблизно три слова на секунду для англійської та п'ять знаків на секунду для китайської, з паузою для дуже коротких реплік. Кадр, занадто короткий для своєї репліки, виправляється до рендера, а не після.
Послухайте персонажа, перш ніж запускати серію
Безкоштовного попереднього перегляду вистачає на одну репліку діалогу.
Спробувати SceneMixer безкоштовноПакети кредитів від 1,49 $ · Pro 7,99 $/міс · Кредитна картка не потрібна для початку