SceneMixer
Українська
Зареєструватися безкоштовно

Говіркі персонажі

AI-відео з говіркими персонажами

Оновлено 15 листопада 2026 р.

Коротка відповідь: мовлення генерується разом із зображенням за один прохід, а не накладається як ліп-синк на німий рендер. Кожен кадр містить репліку дослівно, названого мовця прив’язано до стабільного голосу з бібліотеки, додано коротку вказівку щодо подачі та явну примітку, що всі інші в кадрі тримають губи закритими. Діалогові кадри мають мінімальну тривалість — три слова на секунду англійською, — тому репліка ніколи не втискається в занадто короткий для неї кадр.
Кадр з «Завіса на світанку», AI-короткометражної драми, згенерованої повністю в SceneMixer (6 персонажів, 1 епізод)
ЗразокЗавіса на світанкуЦифрове HD1 епізодСтворено повністю в SceneMixer зі сценаріюДивитися серії
SceneMixer короткоЩо ви отримуєте
Ціна відеоВід 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 кліпуДо 30 секунд на згенерований сегмент; епізод збирається з його сегментів за 1 кредит за секунду
Розрахунок на один епізод60-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 $
ДіалогиЗвучать прямо у відео, один голос на персонажа, будь-якою з 15 мов
Формати9:16 вертикально або 16:9 горизонтально; від 480P до 1080P, а також рівень 2K
Безкоштовний старт50 кредитів після реєстрації, 15 безкоштовних зображень для налаштування, безкоштовна розкадровка першого епізоду та безкоштовний 5-секундний попередній перегляд відео
Хто це використовує2 900+ творців уже генерували в SceneMixer (облікові записи щонайменше з однією генерацією, підрахунок на листопад 2026)
Вхідні даніСценарій, 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

Що надсилається разом із кадром, де є мовлення
РеплікаДослівно, один раз. Промовляється точно так, як написано — без перефразування, без зміни таймінгу.
Хто говоритьІз зазначенням імені, прив’язане до референсу голосу цього персонажа, щоб одна й та сама особа звучала однаково в усіх серіях.
Як говоритьсяКоротка вказівка в дужках — під ніс, усе ще посміхаючись, змушуючи себе говорити рівно. Це режисерська вказівка, а не субтитр.
Хто ще в кадріПозначено як «губи закриті», щоб слухачі не ворушили губами слідом за мовцем.
Закадрове мовленняСпочатку в дужках позначають тип — за кадром, по телефону, через гучномовець — а потім усіх видимих описують із закритим ротом.
ТаймінгКадр 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

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.

Переглянути всі 15 мов

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.

КрокУ SceneMixerВручну, окремими інструментами
Сценарій і план епізодівВставте сценарій чи роман або введіть один рядок: його розбирають на склад персонажів, локації, реквізит і план епізодів, який можна редагуватиЧат-модель пише сценарій; ви самі ділите його на епізоди й переносите текст з інструмента в інструмент
Обличчя персонажів і місця діїКожен персонаж, локація й предмет реквізиту малюється один раз як референсний аркуш і прикріплюється до кожного кадру, де він з’являєтьсяМодель зображень, по одному аркушу за раз; потрібний референс до кожного кліпу ви завантажуєте самі
КадриРозкадровка на кожен епізод із пронумерованими кадрами та секундами; відео генерується сегмент за сегментом у 9:16 або 16:9 за тими самими аркушамиВідеомодель, один кліп на один промпт, і кожного разу тих самих людей описують знову
Голоси та діалогиРепліки звучать прямо у відео, один голос на персонажа, будь-якою з 15 мовОкремий інструмент озвучення тексту для кожної репліки, потім синхронізація губ на кожному кліпі
Виправлення одного кадруЗмініть текст цього кадру й перегенеруйте лише його сегмент; решта епізоду лишається недоторканоюПерегенерувати кліп, потім заново змонтувати таймлайн
ЗавершенняСегменти збираються в один файл епізоду з музикою; користувачі з підпискою завантажують його без позначки ШІВідеоредактор, щоб з’єднати кліпи, додати музику й субтитри, а потім експортувати
ПублікаціяГотовий епізод ви завантажуєте в TikTok, YouTube, Instagram або будь-куди ще; нічого не публікується за васЗавантаження 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 безкоштовно

Пакети кредитів від 1,49 $ · Pro 7,99 $/міс · Кредитна картка не потрібна для початку