Seed Audio 1.5: வீடியோவை ஒரே குரலில் மொழிபெயர்த்து டப் செய்யுங்கள்
குரல், ஒலி விளைவுகள், இசை ஆகியவற்றுக்கு ஒரே மாடல்; உங்கள் வீடியோவைப் பார்த்து இயங்குகிறது
Seed Audio 1.5 என்பது ByteDance-இன் புதிய ஆடியோ மாடல். இது வீடியோவை எடுத்து, அதைக் கேட்டு, புதிய ஒலிப்பதிவை உருவாக்குகிறது: அதே விவரிப்பாளர் ஜப்பானிய மொழியில் பேசுவது, காட்சிக்கு ஏற்ப அமையும் டப்பிங், அல்லது குரல், இசை, ஒலி விளைவுகளைத் தனித்தனி டிராக்குகளாகப் பிரித்தல். ஆரம்பகட்ட அணுகலில் 9 நிமிட அனிமேஷன் படம் ஒன்றை 12 மொழிகளில் மொழிபெயர்க்க இதைப் பயன்படுத்தினோம். அது என்ன செய்தது, எங்கே தவறியது, அதே முடிவை எப்படிப் பெறுவது என்பதை இங்கே பாருங்கள்.
Doitong ஒரு சுயாதீன தளம்; ByteDance உடன் எந்தத் தொடர்பும் இல்லை.
எங்கள் சோதனை: ஒரு படம், 12 மொழிகள், அதே விவரிப்பாளர்
ஆங்கில விவரிப்புடன் கூடிய 9 நிமிட அனிமேஷன் வரலாற்றுப் படமான “The Last Ordinary Day in Pompeii”-ஐ ஒவ்வொரு மொழிக்கும் ஒருமுறை Seed Audio 1.5 வீடியோ மொழிபெயர்ப்பில் இயக்கினோம். வீடியோவை ஓடவிட்டு, அமைப்புகள் → ஆடியோ டிராக் என்பதைத் திறந்து, ஆங்கில மூலத்துக்கும் 12 மொழிபெயர்ப்புகளுக்கும் இடையே மாறிப் பாருங்கள்.
இந்த வீடியோவில் உள்ள ஆடியோ டிராக்குகள்: ஆங்கிலம் (மூலம்), மேலும் ரஷ்யன், ஜெர்மன், பிரெஞ்சு, ஸ்பானிஷ் (ஸ்பெயின்), இத்தாலியன், ஜப்பானியம், கொரியன், டச்சு, ஸ்வீடிஷ், டேனிஷ், நார்வேஜியன், பின்னிஷ்.
- படத்தின் நீளம்
- 9:00
- மொழிகள்
- 12
- ஒரு கோரிக்கைக்கான நேரம்
- 2.6–3.3 நிமி
- நீள வேறுபாடு
- < 0.03 வி
சோதனையை எப்படி நடத்தினோம்
மேலே உள்ள எண்கள் எங்கள் சொந்தப் பதிவுகளிலிருந்து வந்தவை, செய்தி அறிக்கையிலிருந்து அல்ல. இதை நீங்களும் திரும்பச் செய்ய விரும்பினால் மூன்று விவரங்கள் முக்கியம்.
இடைநிறுத்தத்தில் பிரித்தோம்
ஒரு கோரிக்கை 4 முதல் 360 வினாடிகள் வரையிலான வீடியோவை ஏற்கும். அதனால் 9 நிமிடப் படத்தை இயல்பான இடைநிறுத்தத்தில் வெட்டி இரண்டு பகுதிகளாக அனுப்பினோம்: 4:43 மற்றும் 4:17. பன்னிரண்டு மொழிகள் என்பதால் 24 கோரிக்கைகள்; ஒவ்வொன்றும் 157 முதல் 200 வினாடிகளுக்குள் திரும்பி வந்தது.
நீளம் மாறவில்லை
மொழிபெயர்க்கப்பட்ட ஒவ்வொரு பகுதியும் மூலத்தின் நீளத்திலேயே திரும்பியது. முதல் பகுதி மூலத்தின் 283.29 வினாடிகளுக்கு எதிராக 283.26 வினாடிகளில் வந்தது; இரண்டாம் பகுதி 256.83-க்கு எதிராக 256.83. எல்லா மொழிகளிலும் இதே அளவுகள்தான். புதிய விவரிப்பு நேரத்தை மாற்றியமைக்காமலேயே காட்சியுடன் பொருந்தியது.
குரலை மட்டும் அனுப்பினோம்
இசை இல்லாத விவரிப்பை மட்டும் மாடலுக்குக் கொடுத்தோம்; பிறகு எங்கள் சொந்த இசையையும் ஒலி விளைவுகளையும் மீண்டும் கலந்தோம். மொழிபெயர்ப்பிலேயே இசையையும் விளைவுகளையும் தக்கவைப்பது மாடலின் அறிவிக்கப்பட்ட அம்சம்தான்; ஆனால் இந்தச் சோதனை அதை நம்பியிருக்கவில்லை.
Seed Audio 1.5 என்ன செய்யும்
பதிப்பு 1.5 வீடியோவை ஏற்கும் முதல் Seed Audio மாடல். இந்த ஒரு மாற்றமே கீழுள்ள பெரும்பாலான வேலைகளுக்கு வழி திறக்கிறது.
வீடியோவை ஒரே குரலில் மொழிபெயர்த்தல்
ஆங்கிலம் அல்லது சீன மொழியிலிருந்து 30 மொழிகளுக்கு. பேசுபவரின் குரல் இயல்பு தக்கவைக்கப்படும்; பேச்சு மட்டுமே மாறும், மூல ஒலி விளைவுகளும் பின்னணி இசையும் அப்படியே இருக்கும்.
விளக்கத்திலிருந்து வீடியோவை டப் செய்தல்
வீடியோவைக் கொடுத்து, என்ன கேட்க வேண்டும் என்பதை விவரியுங்கள்: வசனங்கள், குரல்கள், ஒலி விளைவுகள், இசை. காட்சிக்கு ஏற்ப அமையும் ஆடியோவை அது உருவாக்கும். ஆனால் திரைக்கதையை அது உங்களுக்காக எழுதாது.
ஆடியோவை ஸ்டெம்களாகப் பிரித்தல்
ஆடியோ கோப்பைக் கொடுத்தால், குரல்கள், ஒலி விளைவுகள், இசை ஆகியவை தனித்தனி டிராக்குகளாகத் திரும்பும்; ஆறு வரை, மிக்ஸிங்குக்குத் தயாராக.
ஒலியற்ற கிளிப்புக்கு ஒலிப்பதிவு
சுற்றுப்புற ஒலி, காலடிச் சத்தம், கதவு, இசைப் பின்னணி ஆகியவற்றைக் கேளுங்கள்; prompt-இல் நேரக்குறியீடுகள் கொடுத்து ஒவ்வொன்றையும் காலவரிசையில் வைக்கலாம்.
குரலை குளோன் செய்தல்
தலா 2 முதல் 30 வினாடிகள் கொண்ட ஆறு மாதிரிக் கிளிப்புகள் வரை குரலின் தன்மையை நிர்ணயிக்கும். மாதிரியையும் வீடியோவையும் இணைத்தால், டப்பிங் அந்தக் குரலிலேயே பேசப்படும்.
வரிகளுடன் பாடல்கள் எழுதுதல்
உரை விளக்கத்திலிருந்து ஆறு நிமிடம் வரையிலான இசை; ஆங்கிலம், சீனம், ஜப்பானியம், கொரியன் அல்லது கான்டோனீஸ் மொழிகளில் பாடல் வரிகளுடன்.
Seed Audio 1.5 வரம்புகள்
ByteDance-இன் ஆரம்பகட்ட அணுகல் ஒருங்கிணைப்பு வழிகாட்டியில் உள்ள வரம்புகள். உங்கள் வீடியோவை வெட்டுவதற்கு முன் இவற்றைச் சரிபாருங்கள்.
| உள்ளீடு | வரம்பு |
|---|---|
| வீடியோ நீளம் | ஒரு கோரிக்கைக்கு 4–360 வினாடிகள் |
| வீடியோ வடிவங்கள் | MP4, MOV |
| வீடியோ தெளிவுத்திறன் | 480p, 720p அல்லது 1080p |
| வீடியோ கோப்பு அளவு | 200 MB வரை |
| குரல் மாதிரிக் கிளிப்புகள் | 6 வரை, ஒவ்வொன்றும் 2–30 வி, மொத்தம் 180 வி |
| ஸ்டெம் பிரிப்புக்கான ஆடியோ | ஒரு கோப்பு, 2–360 வி, 90 MB வரை, WAV அல்லது MP3 |
| வெளியீடு | மதிப்பு |
|---|---|
| ஒரு கோரிக்கைக்கான மிக நீண்ட ஆடியோ | 6 நிமிடங்கள் |
| ஸ்டெம் டிராக்குகள் | 6 வரை |
| வடிவங்கள் | WAV (இயல்புநிலை), MP3, PCM, OGG Opus |
| இயல்புநிலை சாம்பிள் ரேட் | 44.1 kHz |
| பேச்சுக்கான மொழிகள் | 30 |
| வீடியோ மொழிபெயர்ப்பின் மூல மொழி | ஆங்கிலம் அல்லது சீனம், அல்லது தானாகக் கண்டறியப்படும் |
ஆதாரம்: ByteDance Seed Audio 1.5 ஆரம்பகட்ட அணுகல் ஒருங்கிணைப்பு வழிகாட்டி, அக்டோபர் 2026. வெளியீட்டுக்குப் பிறகு வரம்புகள் மாறலாம்.
30 மொழிகள்
Seed Audio 1.5 இந்த மொழிகளில் பேசும். வீடியோ மொழிபெயர்ப்பு ஆங்கிலம் அல்லது சீன மொழியிலிருந்து இவற்றில் எதற்கும் செல்லும்.
பாடல்களில் வரிகள் சிறிய தொகுப்பில் மட்டுமே ஆதரிக்கப்படுகின்றன: ஆங்கிலம், சீனம், ஜப்பானியம், கொரியன், கான்டோனீஸ்.
பயனுள்ள prompts
ByteDance-இன் prompt வழிகாட்டி மூன்று நிலைகளை விவரிக்கிறது: எளிய விளக்கம், நிகழ்வுகளின் வரிசையை அமைக்கும் ஸ்கிரிப்ட், துல்லியமான வினாடிகளுடன் கூடிய காலவரிசை. எளிமையாகத் தொடங்கி, நேரம் முக்கியமான இடங்களில் மட்டும் நேரக்குறியீடுகளைச் சேருங்கள். ஆங்கில மேடை வழிமுறைகளை மாடல் சிறப்பாகப் பின்பற்றுவதால் prompt எடுத்துக்காட்டுகள் ஆங்கிலத்திலேயே உள்ளன.
எளிய பின்னணிக் குரல்
Generate only this speaker as dry, close-miked speech. No music, no sound effects, no room reverb, no second speaker. A calm adult female voice at a steady pace reads: “Most people in Pompeii woke up that morning expecting an ordinary day.”
முதலில் கட்டுப்பாடுகள், பிறகு குரல், பிறகு சரியான வார்த்தைகள். என்ன வரக்கூடாது என்று சொல்வது, என்ன வர வேண்டும் என்று சொல்வதைப் போலவே முக்கியம்.
நேரம் குறித்த காட்சி
[0.0s:12.0s] Soft market ambience under the whole scene. [0.5s:1.5s] A wooden cart rolls past. [2.0s:6.5s] An old man, warm and unhurried, says: “Bread, still warm from the oven.” [7.0s:12.0s] A low drum rumble rises in the distance.
நேரக்குறியீடுகள் ஒவ்வொரு ஒலியையும் காலவரிசையில் வைக்கின்றன; அதனால் நீங்கள் ஏற்கெனவே செய்த வெட்டுகளுடன் ஆடியோ பொருந்தும்.
கவனிக்க வேண்டியவை
சோதனையில் நாங்கள் சந்தித்தவை, மற்றும் ஆவணங்கள் தெளிவாகச் சொல்பவை.
- பெயர்களும் அரிய சொற்களும் ஒவ்வொரு முறையும் மாறக்கூடும். 1666-இல் லண்டனில் நடக்கும் எங்கள் இரண்டாவது சோதனைப் படத்தின் ரஷ்ய மொழிபெயர்ப்பில், தேம்ஸ் ஆற்றுப் படகைக் குறிக்கும் பழைய சொல் தவறாக வந்தது; ஒரு கதாபாத்திரத்தின் பெயரும் வேறு வடிவம் எடுத்தது. வீடியோ மொழிபெயர்ப்பு சொற்பட்டியலை ஏற்கும், எனவே இயக்குவதற்கு முன் பெயர்களைப் பட்டியலிடுங்கள்.
- டப்பிங்கிற்கு விளக்கம் தேவை. Seed Audio 1.5 தானாக வசனங்களை எழுதாது; என்ன பேசப்படுகிறது, என்ன கேட்கிறது என்பதை நீங்கள் சொல்ல வேண்டும்.
- இது ஒலியை உருவாக்கும், உதட்டசைவை அல்ல. மொழிபெயர்க்கப்பட்ட குரல் மூலத்தின் நேரத்தைப் பின்பற்றும், ஆனால் திரையில் தெரியும் வாய் அசைவுகள் மீண்டும் வரையப்படுவதில்லை.
- ஒரு கோரிக்கை 6 நிமிடங்கள் வரை மட்டுமே. நீண்ட வீடியோக்களைப் பிரிக்க வேண்டும்; வாக்கியத்தின் நடுவில் வெட்டினால் காதில் தெரியும், எனவே இடைநிறுத்தத்தில் வெட்டுங்கள்.
- வீடியோ மொழிபெயர்ப்பு ஆங்கிலம் அல்லது சீன மொழியிலிருந்து மட்டுமே தொடங்கும். வேறு மொழியில் உள்ள வீடியோவை நேரடியாக மொழிபெயர்க்க முடியாது.
- பயன்படுத்த உரிமை உள்ள குரல்களை மட்டுமே குளோன் செய்யுங்கள்.
Seed Audio 1.5 பற்றிய கேள்விகள்
Seed Audio 1.5 வீடியோவைத் தமிழில் மொழிபெயர்க்கவோ டப் செய்யவோ முடியுமா?
இன்னும் முடியாது. வெளியீட்டின்போது Seed Audio 1.5 பேசும் 30 மொழிகளில் தமிழ் இல்லை. ஆங்கிலம் அல்லது சீன மொழி வீடியோக்களை இந்தி, மலாய், அரபு, பிரெஞ்சு போன்ற மொழிகளுக்கு மொழிபெயர்க்கலாம்.
Seed Audio 1.5 என்றால் என்ன?
Seed Audio 1.5 என்பது ByteDance உருவாக்கிய ஆடியோ உருவாக்க மாடல்; அக்டோபர் 28, 2026 அன்று வெளியிடப்பட்டது. இது பேச்சு, ஒலி விளைவுகள், இசை ஆகியவற்றை ஒரே முறையில் உருவாக்கும். வீடியோவை ஏற்கும் முதல் Seed Audio பதிப்பும் இதுவே; அதனால்தான் வீடியோ டப்பிங்கும் ஒரே குரலில் வீடியோ மொழிபெயர்ப்பும் சாத்தியமாகின்றன.
Seed Audio 1.5 வீடியோவை ஒரே குரலில் மொழிபெயர்க்குமா?
ஆம். வீடியோ மொழிபெயர்ப்பு, பேசுபவரின் குரல் இயல்பை வைத்துக்கொண்டே பேச்சை வேறு மொழியில் மீண்டும் குரலாக்கும்; மூல ஒலி விளைவுகளையும் இசையையும் தக்கவைக்கும். எங்கள் சோதனையில் 9 நிமிட ஆங்கில விவரிப்பு 12 மொழிகளில் திரும்பியது; ஒவ்வொன்றும் மூலத்தின் அதே நீளத்தில்.
Seed Audio 1.5 எந்த மொழிகளை ஆதரிக்கிறது?
பேச்சுக்கு 30 மொழிகள்; அவற்றில் ஆங்கிலம், சீனம், ஜப்பானியம், கொரியன், ஸ்பானிஷ் (ஸ்பெயின், மெக்சிகோ), போர்ச்சுகீசியம் (பிரேசில், போர்ச்சுகல்), ஜெர்மன், பிரெஞ்சு, ரஷ்யன், அரபு, இந்தி ஆகியவை அடங்கும். வீடியோ மொழிபெயர்ப்பு ஆங்கிலம் அல்லது சீன மொழியிலிருந்து அந்த 30-இல் எதற்கும் செல்லும்.
வீடியோ எவ்வளவு நீளம் இருக்கலாம்?
ஒரு கோரிக்கை 4 முதல் 360 வினாடிகள் வரையிலான, 200 MB வரையிலான, 480p, 720p அல்லது 1080p வீடியோவை ஏற்கும். நீண்ட படமாக இருந்தால், 9 நிமிட Pompeii படத்தில் நாங்கள் செய்ததுபோல் இடைநிறுத்தங்களில் பிரித்து, பகுதிகளை ஒவ்வொன்றாக மொழிபெயர்க்கவும்.
மொழிபெயர்ப்புக்கு எவ்வளவு நேரம் ஆகும்?
எங்கள் சோதனைகளில் சுமார் நான்கரை நிமிடப் பகுதி ஒவ்வொன்றும் ஒரு மொழிக்கு 157 முதல் 200 வினாடிகள் எடுத்தது.
Seed Audio 1.5 லிப் சிங்க் செய்யுமா?
இல்லை. இது ஆடியோவை மட்டுமே உருவாக்குகிறது. மொழிபெயர்க்கப்பட்ட குரல் மூலத்தின் நேரத்தைப் பின்பற்றும்; ஆனால் வாய் அசைவு உட்பட வீடியோ மாறாது.
குரல், இசை, ஒலி விளைவுகளைப் பிரிக்க முடியுமா?
முடியும். 6 நிமிடம் வரையிலான ஆடியோ கோப்பைக் கொடுத்தால், குரல்கள், ஒலி விளைவுகள், இசை ஆகியவை தனித்தனி டிராக்குகளாகத் திரும்பும்; மொத்தம் ஆறு வரை.
Seed Audio 1.0-உடன் ஒப்பிடும்போது என்ன மாறியுள்ளது?
Seed Audio 1.5 வீடியோ உள்ளீட்டைச் சேர்த்துள்ளது; அதுவே வீடியோ டப்பிங்கையும் வீடியோ மொழிபெயர்ப்பையும் கொண்டு வருகிறது. மேலும் ஸ்டெம் பிரிப்பு, 6 நிமிடம் வரை இசை ஆகியவற்றைச் சேர்த்துள்ளது; ஆறு குரல் மாதிரிக் கிளிப்புகள் வரை ஏற்கும்; ஒரு கோரிக்கைக்கு 6 நிமிட ஆடியோ வரை உருவாக்கும்; 30 மொழிகளில் பேசும்.
Seed Audio 1.5-ம் Seed Audio 2.0-ம் ஒன்றா?
சில தளங்கள் வரவிருக்கும் மாடலை Seed Audio 2.0 எனப் பட்டியலிடுகின்றன. ByteDance-இன் ஆரம்பகட்ட அணுகல் ஆவணங்கள் அதை Seed Audio 1.5 என்று அழைக்கின்றன; நாங்களும் அந்தப் பெயரையே பயன்படுத்துகிறோம்.
Doitong, ByteDance உடன் தொடர்புடையதா?
இல்லை. Doitong ஒரு சுயாதீன AI வீடியோ தளம். Seed Audio 1.5-க்கு எங்களுக்கு ஆரம்பகட்ட அணுகல் கிடைத்தது; இங்கே எங்கள் சொந்த முடிவுகளையே விவரிக்கிறோம்.
Seed Audio 1.5 மூலம் நீங்கள் என்ன செய்யலாம்
உங்கள் வீடியோவுக்கு வேறொரு மொழியில் குரல் கொடுங்கள்
ஒரு குறுகிய கிளிப்புடன் தொடங்குங்கள், பெயர்களைச் சரிபாருங்கள், பிறகு முழுப் படத்தையும் இயக்குங்கள்.
Doitong-இல் தொடங்குங்கள்