يبدأ مثال Text to Video Lip Sync بفيديو كلام طبيعي. وبدل رفع الجملة النهائية كصوت، ننسخ صوتًا من عينة قصيرة ثم نستبدل الجملة بالنص.
الفيديو الأصلي
هذا هو الفيديو الأصلي المستخدم في الشرح.
متطلبات الفيديو الأصلي
- يعمل فيديو الكلام الطبيعي بشكل أفضل، ولا يلزم أن يحتوي على الجملة النهائية.
- مدة من نحو 5 ثوانٍ إلى بضع دقائق مناسبة.
- يجب أن يبقى الوجه ظاهرًا في معظم اللقطة.
- الحركة الصغيرة والطبيعية مفيدة.
- تجنب الإيماءات المبالغ فيها والالتفات المفاجئ والحركات الكبيرة.
إذا صوّرت مقطعًا خصيصًا لهذا المسار، فاجعله بسيطًا وطبيعيًا. يكفي قول «واحد، اثنان، ثلاثة»؛ لا حاجة إلى حفظ النص النهائي أمام الكاميرا.
مرجع الصوت
تُستخدم هذه العينة القصيرة لاستنساخ أسلوب الكلام:
إدخال مرجع الصوت
النص البديل
هذا هو النص الإنجليزي المستخدم فعلًا في العرض؛ أُبقي دون ترجمة ليطابق النتيجة:
That's it for today! Isn't this incredible? It's free, it's fast, it's u* — and you can even generate lip sync videos up to 60 minutes long.
يفيد هذا المسار عندما:
- تريد تعديل جملة من دون تسجيل صوت جديد.
- تحتاج إلى ترجمة أو تصحيح جملة بسرعة.
- تريد أن يحتفظ الكلام الجديد بهوية صوت مختارة.
النتيجة المنشأة
تجمع هذه النتيجة الفيديو الأصلي ومرجع الصوت والنص الجديد:
ما الذي يوضحه هذا الشرح
- يمكن إعادة استخدام فيديو طبيعي لجملة جديدة تمامًا.
- يكفي مرجع صوت قصير لتحديد هوية الصوت.
- تكون إعادة الكتابة أفضل عندما تبقى حركة المصدر هادئة وطبيعية.
كيفية إعادة إنشاء هذا المسار
- افتح Text to Video Lip Sync.
- ارفع فيديو كلام طبيعيًا بوجه واضح.
- ارفع مرجعًا صوتيًا قصيرًا للاستنساخ.
- الصق النص الجديد.
- أنشئ النتيجة وتحقق من طبيعية الجملة الجديدة في اللقطة الأصلية.
