ছবির সঙ্গে তাল মিলিয়ে AI ভিডিও ডাবিং
একটিমাত্র বর্ণনা থেকে ভয়েস, সাউন্ড ইফেক্ট ও মিউজিক
বেশিরভাগ AI ভয়েস টুল ফাঁকা শূন্যে টেক্সট পড়ে যায়, আর এডিটের সঙ্গে মেলানোর কাজটা আপনার ঘাড়ে পড়ে। Seed Audio 1.5 ভিডিওটা দেখে নেয়। কে কথা বলছে, কী বলছে, ঘরের আওয়াজ কেমন আর মিউজিক কী করছে, তা বর্ণনা করুন। স্ক্রিনে যা ঘটছে তার সঙ্গে সময় মিলিয়ে সে একটি সাউন্ডট্র্যাক ফিরিয়ে দেবে।
সংলাপ আপনি লিখবেন। মডেল সেগুলো পারফর্ম করবে, সঙ্গে থাকবে সাউন্ড ইফেক্ট ও মিউজিক, সবকিছু ছবির সঙ্গে সময় মিলিয়ে।
ডাবিংয়ের তিনটি উপায়
ByteDance ভিডিওর জন্য তিনটি মোড নথিভুক্ত করেছে। ভয়েসের ওপর কতটা নিয়ন্ত্রণ চান, সে অনুযায়ী বেছে নিন।
ভিডিও ও বর্ণনা
মডেল দৃশ্যটি বুঝে নিয়ে আপনার টেক্সট থেকে ভয়েস দেয়: সংলাপ, ভয়েসের ধরন, সাউন্ড ইফেক্ট এবং ব্যাকগ্রাউন্ড মিউজিক।
ভিডিও, বর্ণনা ও একটি ভয়েস
একটি রেফারেন্স ক্লিপ যোগ করুন, সংলাপ সেই ভয়েসেই বলা হবে। টাইমিং ঠিক করে ভিডিও, কণ্ঠের বৈশিষ্ট্য ঠিক করে রেফারেন্স।
যা আছে তা-ই অনুবাদ করুন
ভিডিওতে আগে থেকেই ইংরেজি বা চীনা ভাষায় কথা থাকলে ডাবিংয়ের বদলে সেটি অনুবাদ করুন, বক্তার নিজের ভয়েস অক্ষুণ্ণ রেখে।
ডাবিং যেখানে সত্যিই কাজে লাগে
AI-জেনারেটেড ফুটেজ
ভিডিও মডেলের ক্লিপ প্রায়ই নীরব আসে, কিংবা আন্দাজে বানানো সাউন্ডট্র্যাক নিয়ে। দৃশ্যের প্রকৃত প্রয়োজন অনুযায়ী সংলাপ ও পরিবেশের শব্দ দিয়ে ডাব করুন।
লোকেশনের খারাপ সাউন্ড
ByteDance নিম্নমানের অডিও উন্নত করাকে একটি ব্যবহার হিসেবে উল্লেখ করেছে: গোলমালের সঙ্গে লড়াই না করে দৃশ্যটি পরিষ্কারভাবে নতুন করে পারফর্ম করান।
শর্ট ড্রামা ও সিরিজ
প্রতিবার একই রেফারেন্স ক্লিপ ব্যবহার করে পর্ব থেকে পর্বে একটি চরিত্রের ভয়েস একই রাখুন।
বিজ্ঞাপন ও প্রোমো
ভয়েস-ওভার, পণ্যের শব্দ আর মিউজিকের স্টিং ফ্রেম ধরে মিলিয়ে নিন, তারপর পরের বাজারের জন্য ভাষা বদলে নিন।
Seed Audio 1.5 দিয়ে ভিডিও ডাব করবেন যেভাবে
কাটটি তৈরি রাখুন
MP4 বা MOV, ৪ থেকে ৩৬০ সেকেন্ড, ৪৮০p থেকে ১০৮০p, সর্বোচ্চ ২০০ MB। চূড়ান্ত এডিট ডাব করুন: কাট বদলালে টাইমিংও বদলে যায়।
যা শোনা যাবে তা লিখুন
সংলাপ উদ্ধৃতিচিহ্নের মধ্যে, প্রতিটি ভয়েসের ছোট বর্ণনা, তারপর সাউন্ড ইফেক্ট ও মিউজিক। মডেল নিজে থেকে সংলাপ বানায় না, তাই যা বলা হবে তার সবই প্রম্পটে থাকতে হবে।
যেখানে জরুরি সেখানে টাইমিং বেঁধে দিন
কোনো কাটের ঠিক জায়গায় পড়তে হবে এমন সংলাপ ও ইফেক্টের জন্য [2.0s:6.5s]-এর মতো টাইমস্ট্যাম্প ব্যবহার করুন। বাকিটা মডেলের ওপর ছেড়ে দিন।
দরকার হলে ভয়েস রেফারেন্স যোগ করুন
২ থেকে ৩০ সেকেন্ডের সর্বোচ্চ ছয়টি ক্লিপ। চরিত্র যতবার কথা বলবে, প্রতিবার একই ক্লিপ ব্যবহার করুন।
প্রম্পটের উদাহরণ
ByteDance-এর প্রম্পট গাইডের পরামর্শ: কী শোনা যাবে, কেমন শোনাবে, আর কী থাকবে না। প্রম্পট ইংরেজিতেই রাখা হয়েছে।
বৃষ্টিভেজা রাস্তায় দুজন মানুষ
Outdoor street at night, steady rain on umbrellas and a passing car on wet asphalt. A young woman with a clear British voice, exasperated then laughing, says: “I cannot believe I let you talk me into this.” A man with a warm baritone, apologetic but smiling, answers: “I said it might rain. I did not say the sky would take it personally.” No music.
প্রতিটি বক্তার জন্য সংলাপের আগে এক লাইনের বর্ণনা ও একটি আবেগ দেওয়া হয়েছে।
নির্ভুল টাইমিংসহ একটি পণ্যের শট
[0.0s:15.0s] Light electronic music under the whole clip. [0.4s:1.0s] A crisp click as the lid opens. [1.5s:5.0s] A confident adult male voice, General American accent, says: “Built for the days that do not end at five.” [12.0s:15.0s] The music lifts and resolves.
টাইমস্ট্যাম্পের কারণে ঢাকনা খোলার ফ্রেমেই ক্লিকের শব্দটি পড়ে।
শুরু করার আগে
- মডেল স্ক্রিপ্ট লেখে না। প্রম্পটে বর্ণনা ছাড়া ভিডিও দিলে পরিকল্পিত কোনো সংলাপ পাওয়া যাবে না।
- এটি শুধু অডিও তৈরি করে। পর্দায় ঠোঁটের নড়াচড়া বদলায় না, তাই ওয়াইড শট, মাথার পেছন দিক, ন্যারেশন ও অ্যানিমেশনে সংলাপ সবচেয়ে ভালো কাজ করে।
- একটি অনুরোধে সর্বোচ্চ ৬ মিনিটের অডিও হয়; দীর্ঘ ফিল্ম দৃশ্য ধরে ধরে ডাব করুন।
- ভয়েস রেফারেন্স শুধু বক্তার অনুমতি নিয়ে ব্যবহার করুন।
AI ভিডিও ডাবিং: সাধারণ প্রশ্ন
Seed Audio 1.5 কি ভিডিও বাংলায় অনুবাদ বা ডাব করতে পারে?
এখনো না। Seed Audio 1.5 প্রকাশের সময় যে ৩০টি ভাষায় কথা বলে, বাংলা তার মধ্যে নেই। ইংরেজি বা চীনা ভাষার ভিডিও আপনি হিন্দি, আরবি, ইংরেজি, ইন্দোনেশীয় বা তুর্কির মতো ভাষায় অনুবাদ করতে পারবেন, যেগুলো বাংলাভাষী দর্শকদের প্রায়ই কাজে লাগে।
AI ভিডিও ডাবিং কী?
AI দিয়ে ভিডিওর সাউন্ডট্র্যাক তৈরি করা: সংলাপ, ভয়েস-ওভার, সাউন্ড ইফেক্ট ও মিউজিক, সবই পর্দার ঘটনার সঙ্গে সময় মিলিয়ে। Seed Audio 1.5-এ আপনি শব্দের বর্ণনা দেন, আর মডেল এক ধাপেই তা তৈরি করে দেয়।
Seed Audio 1.5 কি আমার হয়ে সংলাপ লিখে দেয়?
না। ByteDance স্পষ্ট করেছে যে এটি স্বয়ংক্রিয়ভাবে ডাব করে না। সংলাপ এবং শব্দের বর্ণনা আপনি দেবেন; মডেল সেগুলো পারফর্ম করে ও সময় মিলিয়ে বসায়।
ডাবিংয়ে কি নির্দিষ্ট কোনো ভয়েস ব্যবহার করা যায়?
হ্যাঁ। ২ থেকে ৩০ সেকেন্ডের একটি রেফারেন্স ক্লিপ যোগ করলে সংলাপ সেই ভয়েসে বলা হয়, আর টাইমিং ঠিক করে ভিডিও। একটি অনুরোধে সর্বোচ্চ ছয়টি রেফারেন্স ব্যবহার করা যায়।
ইংরেজি ছাড়া অন্য ভাষায় কি ডাব করা যায়?
হ্যাঁ। Seed Audio 1.5 ৩০টি ভাষায় কথা বলে, জাপানি ও কোরিয়ান থেকে শুরু করে পোলিশ, তুর্কি ও হিন্দি পর্যন্ত। তবে বাংলা এর মধ্যে নেই।
ডাবিং আর ভিডিও অনুবাদের মধ্যে পার্থক্য কী?
ডাবিং আপনার বর্ণনা থেকে নতুন সাউন্ডট্র্যাক তৈরি করে। ভিডিও অনুবাদ ইংরেজি বা চীনা ভাষায় আগে থেকে থাকা কথাকে একই ভয়েসে অন্য ভাষায় নতুন করে বলায়।
সম্পর্কিত
আপনার দৃশ্যকে দিন তার প্রয়োজনের শব্দ
সংলাপ লিখুন, ঘরের পরিবেশ বর্ণনা করুন, আর টাইমিং ঠিক করতে দিন ছবিকে।
ভিডিও ডাব করুন