Twój klip mówiący językiem, którego ty nie znasz
Gotowy klip można zdubbingować na 19 języków bez nagrywania czegokolwiek od nowa i bez zużywania miesięcznego limitu wideo. Pod hasłem dubbing AI sprzedaje się jednak cztery różne rzeczy, a one nie są wymienne. Najpierw porównanie, żebyś wiedział, czy to jest to, czego chciałeś.
Cztery podejścia obok siebie
Każdy wiersz to realna kategoria produktu z realnymi kosztami. Dwóch z nich nie oferujemy, a powody są dla ciebie warte więcej niż sama funkcja.
| Podejście | Co dostajesz | Koszt | Katto |
|---|---|---|---|
| Tłumaczone napisy | Tekst w języku docelowym | Widz nadal słyszy język, którego nie zna. Wystarczy dla klipu działającego bez dźwięku, słabo dla wszystkiego, co niesie sposób mówienia. | Też dostępne |
| Dubbing syntetycznym głosem | Nowa ścieżka mówiona w języku docelowym | Głos nie należy do mówiącego. Brzmi naturalnie, ale kto zna oryginał, zauważy obcą osobę. | To robi Katto |
| Klonowanie głosu | Własny głos osoby, w innym języku | Wymaga jej zgody, żeby było legalne, a ta sama zdolność produkuje przekonujące podszywanie się. Ryzyko nie jest techniczne, leży w tym, co zrobi z tym ktoś inny. | Świadomie niewydane |
| Dubbing z synchronizacją ust | Usta przeliczone pod nowy dźwięk | Zdecydowanie najcięższe i rozsypuje się, gdy ujęcie nie jest czystym portretem na wprost. W przyciętym materiale podcastowym to większość przypadków. | Niewydane |
Trudny jest zegar, nie głos
Wywołanie API syntezy mowy to łatwa połowa. Trudność polega na tym, że tłumaczenie zmienia długość: to samo zdanie bywa w jednym języku o jedną trzecią dłuższe niż w innym, a dubbing, który to ignoruje, rozjeżdża się z każdą kwestią, aż mówiący odpowiada na pytanie, którego jeszcze nie zadano.
Dlatego oryginalny rytm traktujemy jako dane, a nie jako coś do nadpisania. Każda fraza jest tłumaczona z jej mówionym czasem trwania jako ograniczeniem, syntezowana osobno i wpasowywana z powrotem w miejsce, z którego pochodzi, rozciągana tylko w granicach, które zachowują brzmienie człowieka. Napisy powstają na tym samym zegarze, więc tekst i nowy dźwięk nie mogą się rozjechać.
Ile cię to kosztuje
Dubbing nie narusza twojego miesięcznego limitu wideo, bo ten limit liczy materiały źródłowe, które zamieniasz w klipy, a dubbing to praca na klipie już zrobionym. Ma własny pułap: 20 dubbingów na każde ruchome 30 dni, do 3 języków na żądanie, przy czym najstarsze wypadają z liczenia wraz z upływem czasu. Ile ci zostało, edytor pokazuje przed wyborem, a nie po nim.
Pułap istnieje, bo synteza mowy to jedyny krok, którego koszt rośnie z użyciem, a nie z długością wideo. Wolimy podać liczbę, niż sprzedawać nieograniczoną obietnicę po cichu dokręcaną później.
To jedno, czego nie wydamy
Klonowanie głosu to funkcja, o którą proszą wszyscy, i powód, dla którego ta strona ma taki kształt. Odtworzenie czyjegoś głosu z klipu to dokładnie ta sama zdolność, co włożenie mu słów w usta, a wydanie jej otwarcie oznacza przekazanie jej ludziom, których intencji nie możemy sprawdzić. Jeśli kiedyś się pojawi, pojawi się za dowodem, że głos należy do osoby proszącej. Do tego czasu dubbing używa syntetycznego głosu i nie udaje nikogo.
Pytania
19. Silnik pod spodem mówi w znacznie większej liczbie, a selektor otworzy się, gdy jakość zostanie sprawdzona język po języku, a nie założona. Ogłoszenie niesprawdzonej liczby to najkrótsza droga do zamienienia funkcji w kolejkę do wsparcia.
Nie. Limit liczy materiały źródłowe, które zamieniasz w klipy. Dubbing ma własny pułap: 20 na każde ruchome 30 dni, do 3 języków naraz. Najstarsze wypadają z liczenia z upływem czasu.
Bo synteza mowy to jedyny krok, którego koszt rośnie z użyciem, a nie z długością wideo. Pułap jest uczciwą wersją tego ograniczenia. Alternatywą jest nieograniczona obietnica, która po cichu się psuje.
To jest właściwy problem inżynierski i nie rozwiązuje go wywołanie API syntezy mowy. Oryginalny rytm zostaje zachowany jako dane, każda fraza tłumaczona jest pod mówiony czas trwania, a nie tylko pod sens, syntezowana osobno i wpasowana z powrotem w swoje miejsce. Napisy idą na tym samym zegarze, więc nie odpływają od nowego dźwięku.
Technologia działa. Problem w tym, że narzędzie odtwarzające czyjkolwiek głos z klipu jest zarazem narzędziem do wkładania mu słów w usta, a przekazywalibyśmy je nieznajomym. Jeśli się pojawi, pojawi się za dowodem zgody, a nie jako przełącznik.
Tak. Ta sama operacja dostępna jest przez API REST i jako narzędzie MCP, więc agent może zdubbingować gotowy klip bez przeglądarki. Zwraca zadanie do odpytywania, a nie blokujące wywołanie.
Dotrzyj do widowni, która nie zna twojego języka
Dubbing to funkcja Creatora. Wejściem jest klip, który już zrobiłeś: nic do nagrania od nowa i żadnego limitu do wydania.