シーンを説明します。音を出してみましょう。

自然言語の説明を使用して、オーディオ トラック内のスピーチ、キャラクターの対話、音響効果、雰囲気、音楽をリクエストできます。

はい。最大 10 MB の JPG、PNG、または WebP 画像を 1 つアップロードし、必要な音声または話し言葉を説明します。画像参照をオーディオ参照やプリセット音声と組み合わせることはできません。

最大 3 つの WAV、MP3、または OGG Opus オーディオ リファレンスをアップロードできます。それぞれの長さは 30 秒以内、10 MB 以内です。アップロード順に @音频1、@音频2、@音频3 と呼びます。プリセットボイスが利用可能な場合は、1 つのスロットを占有します。

1 世代で最大 120 秒のオリジナル オーディオを生成できます。プロンプト内のセリフの合計の長さとタイミングを説明します。

このページでは音声ファイルが生成されます。ビデオのキーフレームを画像参照として使用し、その結果をエディタでビデオと組み合わせることができます。自動ビデオ分析、リップシンク、ビデオのエクスポートは別のワークフローです。

生成する前に字幕を有効にします。時間指定された音声字幕が返されると、音声と一緒に SRT ファイルをダウンロードできます。

この統合により、生成された 1 つのオーディオ トラックが返されます。ダイアログ、音楽、効果音を個別にミックスしたい場合は、要素を個別に生成します。

このページには、送信前の現在のレートが表示されます。クレジットは最大 120 秒間予約され、その後、整数秒に切り上げられた元の生成時間に対して精算されます。未使用のクレジットは返還されます。再生速度を変更しても、請求に使用される元の再生時間は変わりません。