Содержание
Визуальный ряд собран, но без голоса и текста ролик ещё не готов к публикации. Озвучка и субтитры добавляются в том же проекте, без перехода в отдельные сервисы.
Озвучка создаётся в режиме «Озвучка» раздела «Генерация»: из текста или из готовой записи с заменой голоса. Готовый клип ложится на дорожку «Озвучка» в «Монтаже», а субтитры собираются из текста озвучки или расшифровки видео.
Добавляй голос, когда базовый визуальный ритм уже понятен, но ролик ещё легко поправить: озвучка часто меняет длину сцен и место для текста в кадре.
Что понадобится
- Несколько готовых сцен или минимальный визуальный каркас ролика.
Пошагово
- 1
Собери базовый визуальный ритм
Голос и субтитры легче добавлять, когда уже понятна длина и логика сцен. Идеальная полировка картинки на этом шаге не нужна.
- 2
Проверь текст в Eleven v4 Turbo
Напиши текст с тегами и послушай черновик: темп, паузы и эмоции. Turbo вдвое дешевле v4.
- 3
Озвучь финал в Eleven v4
Перегенерируй утверждённый текст в v4 с теми же тегами. Готовая озвучка ляжет на дорожку «Озвучка» в «Монтаже».
- 4
Собери субтитры
Выбери стиль и положение. Проверь, что текст читается и не перекрывает важные детали кадра.
- 5
Посмотри ролик целиком перед экспортом
Посмотри дважды: со звуком и без. Сцены, голос, текст и темп должны работать вместе.
Откуда взять голос
Озвучка из текста
Напиши текст, выбери модель и «Голос» из базовых или своих. Каждый голос можно прослушать до генерации.
Замена голоса в записи
Eleven v2 меняет голос в готовой записи и сохраняет речь, темп и интонацию. Источник выбирается в «Источник озвучки»: «Из аудио/видео проекта», «Из аудио или видео» или «Микрофон», до 5 минут.
Свой голос
«Медиатека» → «Голоса» → «Мои голоса» → «Новый голос»: добавь 1–2 минуты чистой речи. Обучение голоса доступно с активным тарифом, готовый голос появляется в выборе «Голос».
Какую модель выбрать
- Eleven v4Основная модель для финальной озвучки: точнее следует тегам и учитывает контекст всего текста. Рекомендуем до 2000 символов, допускается до 10 000 с предупреждением. Цена — 8 токенов за 1000 символов.
- Eleven v4 TurboТе же теги и настройки вдвое дешевле: 4 токена за 1000 символов. Удобна для черновиков, чтобы проверить текст, темп и расстановку тегов.
- Eleven v3Рекомендуем до 4000 символов, допускается до 5000 с предупреждением. Готовые пресеты «Подачи»: «Натурально», «Спокойно», «Выразительно», «Реклама».
Как задать подачу тегами
Интонацию задают теги в квадратных скобках прямо в тексте: [whispers], [excited], [laughs], [sighs], [pause]. Напечатай «[» в поле озвучки, и Givon предложит 12 тегов; свой тег до 40 символов тоже работает. Теги входят в число символов запроса.
Как выбрать голос, расставить теги и паузы, писать числа и какие шаблоны брать под рекламу, обучение и персонажей — в гайде по тексту для озвучки.
[sighs] Опять ты за своё... [sarcastic] Конечно, это была ОЧЕНЬ хорошая идея. [exhales] Ладно. [curious] Рассказывай, что на этот раз?
Голос Marina, «Эмоциональность» 75%, «Сходство» 75%.
Настройки голоса
У Eleven v4 и v4 Turbo вместо «Подачи» две настройки в процентах. Кроме готовых значений, у каждой есть пункт «Своё значение».
- «Эмоциональность»
- По умолчанию 50%. Выше — выразительнее, но больше разница между дублями; ниже — ровнее и предсказуемее.
- «Сходство»
- По умолчанию 75%. Насколько озвучка похожа на выбранный голос; высокое значение передаёт и дефекты исходной записи.
Произношение
Слова, которые голос читает неправильно, исправляются в «Медиатека» → «Голоса» → «Словарь»: заполни «Слово или фраза» и «Как произносить» и проверь кнопкой «Прослушать». Правило действует во всех озвучках из текста.
Как собрать субтитры
Субтитры собираются на панели «Субтитры». Для озвучки из текста текст и тайминги слов уже готовы. Для видео со звуком нажми «Расшифровать», стоимость распознавания видна на кнопке до запуска.
Каждую фразу можно исправить, разделить, закрепить или удалить, а для всей дорожки выбрать стиль «Эфирный», «Акцент» или «Караоке» и одно из девяти положений в кадре.
Если нужен говорящий персонаж
Когда голос должен звучать не за кадром, а из уст героя, используй модели с липсинком — они синхронизируют губы персонажа с озвучкой. А если персонаж нужен постоянный, начни с гайда по AI-инфлюенсеру.
- Sync Lipsync v3Модель sync-3: синхронизирует губы на фото или готовом видео персонажа с озвучкой — до 5 минут. Подходит и для нового говорящего ролика, и для замены речи в снятом видео.8 тк/ с
- H3 Max Lip SyncНовая модель в «Генерации» проекта: одно фото и готовая озвучка превращаются в говорящий ролик до 14,8 секунды, от 480P до 2K. Для коротких реплик.от3 тк/ с
- Kling Avatar 2.0Фото персонажа плюс дорожка с речью: синхронизирует речь, мимику и жесты. Ролики до 5 минут — хватит и на Reels, и на полноценное объяснение.от6 тк/ с
- HeyGen Avatar IVСама подбирает мимику и жесты по тону голоса, до 60 секунд. Другой характер подачи — сравни на своём персонаже.2,8 тк/ с
- Kling Lip-SyncТолько перекладка губ в готовом видео под новую дорожку, до 60 секунд — узкий инструмент для дубляжа и замены слов.3 тк/ с
Частые вопросы
Какую модель выбрать для озвучки?
Eleven v4 для финальной озвучки, Eleven v4 Turbo для черновиков, Eleven v3, когда нужны пресеты «Подачи».
Как сделать озвучку эмоциональной?
Поставь теги перед нужными фразами, например [excited] или [whispers], и подними «Эмоциональность». Теги можно ставить подряд: [sighs] [sad].
Можно ли озвучить ролик своим голосом?
Да. Создай голос в «Медиатека» → «Голоса» → «Новый голос» по 1–2 минутам чистой речи или запиши реплику с микрофона и замени в ней голос через Eleven v2.
Сколько стоит озвучка?
В Eleven v4 и v3 — 8 токенов за 1000 символов, в Eleven v4 Turbo — 4. Стоимость округляется вверх до целого токена: минимум 1 токен за генерацию. Например, 2500 символов стоят 20 токенов в v4/v3 и 10 в Turbo.
Субтитры нужно набирать вручную?
Нет. Для озвучки из текста они собираются из её текста и таймингов слов, для видео со звуком — кнопкой «Расшифровать».
