Talking video में बोले गए शब्द बिना दोबारा रिकॉर्ड किए बदलने हों, तो Text to Video Lip Sync खोलें। मौजूदा video upload करें, नया script लिखें और voice चुनें। टूल text से speech बनाकर उसे पहले से फिल्माए गए अभिनय के साथ lip sync करता है। यहाँ इसके उपयोग और सही input चुनने का तरीका बताया गया है।
Talking video को text से क्यों बदलें?
नई शूटिंग के बिना पुरानी जानकारी सुधारें
Product introduction रिकॉर्ड होने के बाद कीमत, तारीख, feature का नाम या call to action बदल सकता है। कुछ शब्दों के लिए फिर कैमरा, रोशनी और जगह तैयार करना समय लेता है। सही line लिखें और पहले से शूट किया video इस्तेमाल करें।
लंबे video का केवल एक हिस्सा बदलना हो, तो उसी हिस्से को अलग clip के रूप में export करें, नया result बनाएँ और edit में वापस रखें। टूल पूरी timeline में खुद एक वाक्य ढूँढ़कर नहीं बदलता। पुरानी कीमत की ओर किया गया इशारा भी अपने आप नहीं बदलेगा।
एक असली शूट से कई version बनाएँ
Creator, teacher या spokesperson अलग courses, campaigns और नियमित updates के लिए नई शुरुआत चाहते हैं। सामान्य, स्वाभाविक gestures वाला छोटा clip कई scripts के साथ चल सकता है। हर बार कैमरा लगाए बिना असली रिकॉर्ड की गई उपस्थिति बनी रहती है।
जब script तैयार हो, लेकिन अंतिम voice recording न बनी हो, तब text mode चुनें। Preset voice लें या अनुमति के साथ voice clone करें। अगर तैयार recording मौजूद है और उसकी आवाज़, गति व लहजा बनाए रखना है, तो देखें uploaded audio वाली guide।
दूसरी भाषा का version तैयार करें
समीक्षा किया हुआ अनुवाद लिखकर उस भाषा की voice भी चुन सकते हैं। पहले अर्थ, नाम, अंक और tone जाँचें; lip sync मूल speech का अनुवाद अपने आप नहीं करता। पूरा भाषा-संबंधी तरीका AI वीडियो डबिंग गाइड में देखें।
ऐसा source video चुनें जो कई lines पर जँचे
Source video व्यक्ति की पहले से शूट की गई गति, भाव और framing देता है। उसमें नई line बोलना ज़रूरी नहीं है। इस उदाहरण में 5.06 सेकंड का clip लिया गया है और text व voice से बना result लगभग 10 सेकंड का है। Uploaded-audio tutorial में भी यही source है, इसलिए दोनों input तरीकों की तुलना की जा सकती है।
वही footage इस्तेमाल करें जिसे बदलने का अधिकार हो। Clip का लंबा होना या चेहरा हर पल सामने और मुँह बहुत साफ़ दिखना आवश्यक नहीं है। ज़्यादा अहम है कि gestures और expressions स्वाभाविक हों और कई संदेशों पर जँचें। यह video workflow कुछ ऐसी footage भी संभाल सकता है जो पुराने lip-sync तरीकों के लिए मुश्किल होती है, जैसे थोड़ी देर सिर मुड़ना।
सामान्य posture बदलना अक्सर कई scripts पर ठीक लगता है; किसी खास product की ओर इशारा या उँगलियों से गिनती दूसरी line से मेल नहीं खा सकती। Video workflow रिकॉर्ड किए गए शरीर के हावभाव और expressions रखता है, बोलने का sync बदलता है। वह पूरा अभिनय दोबारा नहीं बनाता। Image से नए हावभाव बनाने वाला Max model अलग रास्ता है और अधिक समय लेता है।
नई line लिखें और voice चुनें
Generate करने से पहले नाम, संख्या, तारीख और उच्चारण जाँचें। Text mode में preset voice चुन सकते हैं या अनुमति वाला छोटा sample upload या record करके voice clone कर सकते हैं। Sample आवाज़ की पहचान देता है; वह अंतिम बोले जाने वाले वाक्य की recording नहीं है। इस उदाहरण में लगभग 16 सेकंड का अंग्रेज़ी voice reference है:
Voice reference
उदाहरण के लिए: “Workshop अब शुक्रवार सुबह दस बजे शुरू होगा।” यह text लिखने का उदाहरण है, नीचे के पुराने demo का transcript नहीं है।
Result बनाएँ और जाँचें
Text to Video Lip Sync में video upload करें, voice चुनें, नया script paste करें और generate करें। फिर बोले गए शब्दों को स्वीकृत script से मिलाएँ और देखें कि पुराने gestures व expressions नई बात के साथ सही लगते हैं या नहीं।
नीचे दिया छोटा उदाहरण text और voice reference का रास्ता दिखाता है। यह न लंबा result है, न पूरे काम की screen recording।
Result का अलग playback page खोलें
Source और result की अवधि समान होना ज़रूरी नहीं है। लंबे script पर देखें कि दोहराए गए पुराने gestures अटपटे तो नहीं लगते। जाँचा हुआ लंबाई का उदाहरण देखें पाँच सेकंड source और 39 सेकंड result वाली guide में।
आम सवाल
क्या source video में नया script बोलना होगा?
नहीं। Source से रिकॉर्ड किए गए हावभाव और expressions मिलते हैं। नए शब्द अलग लिखें और बनी हुई speech के लिए voice चुनें।
क्या voice clone करना ज़रूरी है?
नहीं। यहाँ voice reference इस्तेमाल हुआ है, लेकिन preset voice भी ले सकते हैं। केवल अपनी या अनुमति वाली आवाज़ clone करें।
Text के बजाय audio कब upload करें?
Script तैयार हो लेकिन अंतिम recording न हो तो text चुनें। पूरी recording मौजूद हो और उसका rhythm व लहजा रखना हो तो audio workflow चुनें।
क्या एक source कई scripts में चल सकता है?
हाँ। स्वाभाविक और सामान्य gestures वाला video दोबारा इस्तेमाल किया जा सकता है। हर result में देखें कि फिल्माई गई गतिविधि नई line से मेल खाती है।
अंतिम अपडेट:
