Text to Speech: 多言語ビデオのネイティブ オーディオ (Native Audio)

Text to Speech (TTS) は、書かれたテキストを音声に変換するテクノロジーです。 Kling AI は、スクリプトや登場人物のセリフをビデオ内の会話に直接変換できます。 Kling VIDEO 3.0 は、複数の文字、言語、方言、アクセントをサポートし、ビジュアル、ダイアログ、サウンドを一緒に生成することで、スタンドアロンのテキスト読み上げジェネレーターを超えています。

各発言者を識別するために、キャラクター名と [キャラクター名]:「セリフ テキスト」などのセリフ タグを使用して、プロンプトにセリフまたはナレーションを記述します。音声オプションはワークフローによって異なります。 Kling VIDEO 3.0 はネイティブ オーディオの一部としてダイアログを生成でき、サポートされている文字参照ワークフローでは保存または抽出された音声トーンを使用できます。すでにビデオをお持ちの場合は、専用の Kling AI リップ シンク ツールを使用して、テキストから音声を生成したり、独自の音声を追加して画面上のキャラクターに同期したりすることもできます (Kling AI Lip Sync) (Native Audio)。

AI によって生成された音声は、すでに非常に自然に聞こえます。自分のニーズにより適した音声が必要な場合は、テキストから AI 音声を生成するための参考音声を提供できます。適切な声を選択すると、キャラクターの会話がより自然になり、シーンに適したものに感じられるようになります。

Kling VIDEO 3.0 は、中国語、英語、日本語、韓国語、スペイン語での対話をサポートしており、同じビデオ内での言語切り替えも含まれます。また、広東語、四川語、アメリカ英語、イギリス英語、インド英語のアクセントなどの地域の方言やアクセントもサポートしています。

はい。 Kling VIDEO 3.0 は、複数のキャラクター間の会話を処理し、プロンプトにキャラクター名と会話を明確に記述する場合に、各行を正しい話者で維持することができます。 3人以上のキャラクターのシーンにも対応しているので、会話やインタビュー、グループシーンなどにも便利です。

クレジットの使用量は、モデル、ビデオの長さ、解像度、オーディオ オプション、選択したその他の設定によって異なります。ネイティブ オーディオおよび追加の音声機能では、追加のクレジットが使用される場合があります (Native Audio)。 Kling AI のモデルやプランが更新されるとクレジット要件が変更される可能性があるため、ビデオを作成する前に生成パネルで現在のコストを確認してください。詳細については、Kling メンバーシップ プランを参照することもできます。

Kling AI は、暗号化やアクセス制御などの技術的および組織的な対策を使用して、ユーザー データを保護します。データは、サービスの提供と改善、安全性とセキュリティの維持、法的義務の遵守、および Kling AI プライバシー ポリシーに記載されているその他の目的のために処理される場合があります。該当する場合、ユーザーは自分のデータの削除を要求することもできます。