Lipsync Sync V2: الإعدادات والتسعير ووصول API والخيارات المجانية

يطابق Sync V2 مسار صوت جديدًا مع فم شخص ظاهر على الشاشة. يشرح هذا المقال أنماط المزامنة الخمسة، ومنزلق درجة الحرارة، واكتشاف المتحدث النشط، وتكلفة واجهة API لكل ثانية، والأماكن التي يمكنك تشغيله فيها مجانًا.

Lipsync Sync V2: الإعدادات والتسعير ووصول API والخيارات المجانية
Cristian Da Conceicao

لديك فيديو يقول فيه المتحدث شيئًا، ومسار صوتي جديد يقول شيئًا آخر. ربما تكون ترجمة، أو نصًا مصححًا، أو صوتًا ولّدته قبل ساعة. ما زال الفم على الشاشة يتبع الكلمات القديمة، وسيلاحظ كل مشاهد ذلك خلال ثانيتين. Sync V2، وهو نموذج مزامنة الشفاه من الجيل الثاني لدى Sync Labs، وُجد لمعالجة هذه المشكلة تحديدًا: يأخذ فيديو وملف صوت، ثم يعيد بناء منطقة الفم إطارًا بإطار حتى تتبع الشفاه الكلام الجديد.

يستعرض هذا المقال ما يمكنك ضبطه، وتكلفته لكل ثانية من اللقطات، وطريقة الوصول عبر API، والطرق المجانية التي تستحق وقتك. إذا كنت تريد التجربة الآن فقط، فإن Lipsync 2 على PicassoIA يشغّل النموذج في المتصفح دون أي برمجة.

محرر فيديو يتحقق من مقطع مدبلج مقابل مسار صوتي جديد في استوديو هادئ

ما الذي يفعله Sync V2 فعليًا

Sync V2 هو نموذج مزامنة شفاه من فيديو إلى فيديو. تمنحه ملفين: فيديو بصيغة MP4 يظهر فيه وجه، وملف WAV يحتوي على الكلام الذي تريد أن يقوله ذلك الوجه. يعيد ملف MP4 جديدًا تُعاد فيه تكوين الفم والفك والجلد المحيط بهما ليتطابقا مع الصوت، بينما يبقى باقي الإطار كما صُوّر.

هذا يختلف عن مولّد الأفاتار. تبدأ أدوات الأفاتار من صورة واحدة وتختلق كل شيء. أما Sync V2 فيبدأ من لقطات حقيقية، فتبقى الإضاءة وحركة الرأس والخلفية والملابس كما هي. يتغير مكان الكلام فقط. لهذا السبب اشتهر في الدبلجة، وتوطين الإعلانات، وإصلاح النصوص بعد التصوير.

رجل يتحدث إلى الكاميرا في مكتب منزلي مضيء، وهو نوع المقاطع التي يعمل عليها Sync V2 بأفضل شكل

أين يناسب أكثر

يتألق النموذج في المقاطع التي تظهر فيها الوجوه بوضوح من الأمام أو بزاوية ثلاثة أرباع، مع إضاءة مستقرة. فكّر في المقابلات، والندوات عبر الإنترنت، وعروض المنتجات، وفيديوهات التدريب، ومنشورات اجتماعية لمتحدثين أمام الكاميرا. يجد صعوبة أكبر حين يكون الوجه صغيرًا في الإطار، أو مغطى بيد أو ميكروفون، أو موجّهًا بعيدًا عن الكاميرا لفترات طويلة.

Lipsync 2 مقابل Lipsync 2 Pro

تقدم Sync نموذجًا قياسيًا ومستوى أعلى. وكلاهما متاح على PicassoIA، لذلك يمكنك اختبار المقطع نفسه على كل منهما.

الميزةLipsync 2Lipsync 2 Pro
الأفضل لـالدبلجة اليومية، والمقاطع الاجتماعية، والمسوداتاللقطات القريبة، والتفاصيل الدقيقة، والنسخة النهائية
أنماط المزامنةLoop، وbounce، وcut off، وsilence، وremapعائلة الأدوات نفسها
سعر API النموذجيأقل لكل ثانيةأعلى بنحو 1.5 إلى 2 مرة
متى تختارهالعمل بكميات كبيرة والاختبارالمقاطع التي تهم فيها الأسنان واللحى وملمس الجلد

💡 نصيحة: شغّل أول اختبار لك على النموذج القياسي. انتقل إلى النسخة Pro فقط للقطات التي ستملأ الشاشة، مثل فيديو رئيسي في صفحة هبوط.

كل إعداد موصوف ببساطة

يملك Sync V2 قائمة قصيرة من المدخلات. وهذا أمر جيد، لأن هناك القليل مما يمكن ضبطه بشكل خاطئ. إليك وظيفة كل واحد منها.

منظور علوي لمكتب فيه جدول زمني على حاسوب محمول، ولوحة مزج، وملاحظات مكتوبة بخط اليد عن الإعدادات

sync_mode: خمس طرق للتعامل مع الطول

يحدد أهم إعداد ما يحدث عندما لا تتساوى مدة الصوت والفيديو. ونادرًا ما تتساوى.

النمطماذا يفعلاستخدمه عندما
loop (الافتراضي)يكرر الفيديو من البداية حتى ينتهي الصوتيحتاج مقطع وجه قصير إلى تعليق صوتي طويل
bounceيشغّل الفيديو للأمام، ثم للخلف، ثم للأمام مرة أخرىتريد تكرارًا أكثر سلاسة دون قطع واضح
cut_offيقص الملف الأطول ليطابق الأقصرالصوت أطول وتحتاج فقط إلى الجزء المشترك
silenceيملأ الصوت الأقصر بالصمتالفيديو أطول ويمكن للمتحدث أن يتوقف عن الكلام ببساطة
remapيمدد توقيت الفيديو أو يضغطه ليناسب الصوتمسار مترجم أطول أو أقصر قليلًا من الأصل

Remap هو النمط الذي يلجأ إليه فرق الدبلجة أكثر من غيره. غالبًا ما تكون الترجمات الإسبانية والألمانية أطول من الإنجليزية بنسبة 15 إلى 25 في المئة، و remap يستوعب هذه الفجوة دون قص الكلمات. أما Bounce فيبدو أفضل من loop للأفاتارات الثابتة، لأن loop يُظهر قفزة صغيرة في كل مرة يعاد فيها تشغيل المقطع.

Temperature: مدى تعبيرية الفم

تتراوح درجة الحرارة بين 0 و1، والقيمة الافتراضية 0.5. القيم المنخفضة تعطي حركات فم صغيرة ومتحفظة. أما القيم المرتفعة فتعطي أشكالًا أوسع وأكثر حيوية.

  • 0.2 إلى 0.35: التدريب المؤسسي، وأسلوب الأخبار، والسرد الهادئ
  • 0.5: قيمة افتراضية آمنة لمعظم لقطات الحديث المباشر
  • 0.65 إلى 0.8: المقدمون الحيويون، والإعلانات، ومحتوى الأطفال، وأعمال الشخصيات

إذا رفعتها أكثر من اللازم، قد يبدو الفم مبالغًا فيه، خاصة مع متحدث لا يحرك وجهه تقريبًا في الأصل. وإذا خفضتها كثيرًا مع متحدث حيوي، ستبدو الشفاه نائمة أمام لغة الجسد. غيّرها بخطوات من 0.1 وقارن النتائج.

اكتشاف المتحدث النشط

هذا مفتاح تشغيل وإيقاف بسيط، وهو مغلق افتراضيًا. عند تفعيله، يحدد النموذج من يتحدث في مشهد يضم عدة أشخاص، ويطبق مزامنة الشفاه على ذلك الشخص فقط. وبدونه، قد يحاول النموذج مزامنة كل الوجوه الظاهرة مع الصوت نفسه، وهذا يبدو غريبًا في مقابلة بين شخصين.

شخصان في استوديو بودكاست، حيث يحدد اكتشاف المتحدث النشط الشخص الذي يتكلم

فعّله للمقابلات، والحلقات النقاشية، وأي لقطة فيها أكثر من وجه. واتركه مغلقًا للمقاطع ذات المتحدث الواحد، لأنه لا يضيف شيئًا هناك.

قواعد ملفات الإدخال

يتوقع النموذج فيديو بصيغة MP4 وملف صوتي بصيغة WAV. إذا كان التعليق الصوتي بصيغة MP3 أو M4A، فحوّله أولًا. نظافة الصوت أهم مما يظن كثيرون: فالموسيقى الخلفية تحت الصوت، أو الصدى الكثيف، أو التشويش، قد تنتج أشكالًا غير واضحة للفم.

💡 نصيحة: صدّر مسار الصوت وحده، دون موسيقى، قبل رفعه. أضف الموسيقى مرة أخرى بعد الانتهاء من مزامنة الشفاه.

التكلفة الحقيقية لنموذج Sync V2

هنا يتفاجأ معظم الناس، لأن مزامنة الشفاه تُحتسب وفق مدة الفيديو الناتج، لا وفق عدد المحاولات التي ترضى عنها.

صاحب مشروع صغير على طاولة مطبخ يحسب تكاليف إنتاج الفيديو

أسعار API لكل ثانية

استنادًا إلى تسعير API المنشور من Sync وقت كتابة هذا المقال، يُحتسب السعر لكل إطار ناتج، وهو ما يُترجم إلى سعر لكل ثانية عند 25 إطارًا في الثانية:

  • Lipsync 2: نحو 0.04 إلى 0.05 دولار لكل ثانية، أي ما يقارب 2.40 إلى 3.00 دولارات لكل دقيقة
  • Lipsync 2 Pro: نحو 0.067 إلى 0.083 دولار لكل ثانية
  • تدرج منصات API الخارجية النموذج القياسي بنحو 3 دولارات لكل دقيقة من الفيديو

بما أن الاحتساب يتبع الإطارات، فإن إعداد fps مهم. يحتوي مقطع بمعدل 30 إطارًا في الثانية على إطارات أكثر من مقطع بمعدل 25 إطارًا في الثانية بالمدة نفسها، لذا تحقق من طريقة احتساب منصتك. الأسعار تتغير كثيرًا، فاعتبر هذه الأرقام نطاقًا تقديريًا للتخطيط، وتأكد منها في صفحة التسعير لدى المزود قبل أن تحدد ميزانية.

تكلفة المشاريع الشائعة

إليك ميزانية تقريبية بسعر النموذج القياسي، باستخدام نحو 3 دولارات لكل دقيقة:

المشروعالمدةالتكلفة التقريبية
مقطع اجتماعي واحد30 ثانية1.50 دولار
عرض منتج بلغة واحدة3 دقائق9 دولارات
العرض نفسه بخمس لغات15 دقيقة إجمالًا45 دولارًا
فيديو تدريب أسبوعي، 10 دقائق، بثلاث لغات30 دقيقة إجمالًا90 دولارًا

التكلفة الخفية: المحاولات المتكررة

لا يحصل أحد على النتيجة المثالية من المحاولة الأولى لكل مقطع. خطط لما بين 1.5 إلى 2 تشغيل لكل فيديو منتهٍ أثناء ضبط درجة الحرارة ونمط المزامنة. الطريقة الاقتصادية لذلك هي قص مقطع اختبار مدته من 5 إلى 10 ثوانٍ، وضبط الإعدادات عليه، ثم تشغيل الطول الكامل مرة واحدة.

أساسيات الوصول عبر API

يتوفر Sync V2 عبر واجهة API الخاصة بشركة Sync وعبر عدة منصات لاستضافة النماذج. سير العمل واحد في كل مكان: أرسل مهمة بعنوانين URL لملفين، ثم انتظر المعالجة، ثم نزّل فيديو النتيجة.

مطور يكتب شيفرة في مكتب علوي أثناء دمج طلب مزامنة شفاه

ما يحتويه الطلب

تتضمن المهمة النموذجية:

  1. عنوان URL عامًا لفيديو MP4
  2. عنوان URL عامًا لملف WAV الصوتي
  3. اسم النموذج، القياسي أو Pro
  4. خيارات مثل نمط المزامنة ودرجة الحرارة والمتحدث النشط

المعالجة غير متزامنة. تحصل على معرّف للمهمة، وتستعلم عن حالتها، وتنزّل النتيجة عند اكتمالها. يعتمد وقت المعالجة على طول المقطع وازدحام الطابور، وتنتهي معظم المقاطع القصيرة خلال بضع دقائق.

حدود الخطة التي يجب مراجعتها

يعتمد الحد الأقصى لطول المقطع على اشتراكك. تتراوح خطط Sync من دقيقة تقريبًا لكل توليد في المستوى المبدئي إلى نحو ثلاثين دقيقة في الأكبر. إذا كنت تدبلج ندوات طويلة، فقسّمها إلى فصول من دقيقتين إلى خمس دقائق. هذا يمنحك أيضًا محاولات متكررة أرخص عندما يبدو جزء ما غير دقيق.

💡 نصيحة: أنشئ طابور المهام بحيث يكون كل مقطع طلبًا مستقلًا. فالمقطع الفاشل أو الضعيف يكلّفك بضعة دولارات لإعادة إنتاجه، لا سعر الفيديو كاملًا.

خيارات مجانية تعمل فعلًا

لا تحتاج إلى الدفع لتعرف إن كان Sync V2 مناسبًا للقطاتك.

طالب على حاسوب محمول يجرب نسخة مجانية من مزامنة الشفاه على مكتب في مكتبة

حسابات مجانية من المزود

قدّمت Sync حسابات مجانية بحصة شهرية صغيرة، توصف بأنها عدد قليل من التوليدات الشهرية بمدة قصيرة لا تتجاوز نحو 15 إلى 20 ثانية لكل منها. وقد اختلفت الأرقام المنشورة بين الصفحات، لذا تحقق من الرقم الحالي عند التسجيل. تكفي لاختبار جيد، لكنها لا تكفي للإنتاج.

مجانًا في المتصفح عبر PicassoIA

يوصف Lipsync 2 على PicassoIA بأنه متاح للتجربة مجانًا عبر الإنترنت دون الحاجة إلى برمجة. ترفع الفيديو والصوت، وتختار نمط المزامنة، ثم تشغّل. وهذا يجعله أسرع طريقة لمقارنة أنماط المزامنة جنبًا إلى جنب، دون إعداد مفتاح API أو حساب فوترة.

للمقارنة السريعة، يقع Lipsync 2 Pro في الفئة نفسها، لذا يمكنك تشغيل النموذجين على العينة نفسها بطول 8 ثوانٍ، ثم تقرر إن كانت التفاصيل الإضافية تستحق التكلفة الأعلى.

كيفية استخدام Lipsync 2 على PicassoIA

إليك سير العمل من البداية إلى النهاية لمهمة دبلجة نموذجية.

امرأة تسجل تعليقًا صوتيًا مترجمًا على مكتب منزلي بجانب حاسوب محمول يعرض الفيديو الأصلي

  1. جهّز الصوت. سجّل مسار الصوت الجديد أو ولّده، ثم صدّره بصيغة WAV. اجعله صوتًا فقط دون موسيقى.
  2. جهّز الفيديو. اقطع مقطعك إلى الجزء المطلوب، ويفضل أن يكون من 5 إلى 30 ثانية للاختبار الأول، ثم صدّره بصيغة MP4.
  3. افتح النموذج. انتقل إلى صفحة Lipsync 2 وارفع الملفين.
  4. اختر نمط المزامنة. استخدم remap للدبلجة المترجمة، وloop أو bounce لمقطع قصير تحت تعليق صوتي طويل، وcut_off إذا أردت أن يكون الطول الأقصر هو المعتمد.
  5. اضبط درجة الحرارة. ابدأ من 0.5. اخفضها للمحتوى الجاد، وارفعها للأداء الحيوي.
  6. فعّل المتحدث النشط. شغّله فقط عندما يظهر أكثر من شخص على الشاشة.
  7. شغّل وراجع. شاهد النتيجة بملء الشاشة مع الصوت، وانتبه إلى الأصوات الانفجارية مثل B وP وM، حيث يجب أن تنطبق الشفاه بوضوح.
  8. عدّل وأعد التشغيل. غيّر إعدادًا واحدًا في كل مرة حتى تعرف ما الذي أدى إلى التحسن.

💡 نصيحة: إذا كان الصوت من أداة تحويل النص إلى كلام، فأضف ربع ثانية من الصمت في البداية. عندها يملك النموذج وضعية فم محايدة ونظيفة يبدأ منها.

متى يناسب نموذج آخر أكثر

Sync V2 قوي، لكنه ليس الخيار الوحيد على PicassoIA، وبعض المهام تحتاج إلى أداة مختلفة.

مسوّق يراجع فيديو مزامنة شفاه منتهيًا على جهاز لوحي في مساحة عمل مشتركة مضيئة

  • Lipsync 2 Pro: العائلة نفسها مع تفاصيل أكثر، وتناسب اللقطات القريبة والنسخة النهائية.
  • Kling Lip Sync: يطابق حركة الفم مع الصوت في الفيديو، ورأي ثانٍ قوي عندما يبدو المقطع متيبسًا في نموذج آخر.
  • Lipsync Precision: مصمم لدبلجة أي فيديو تكون فيه الدقة هي الأهم.
  • Lipsync Speed: مصمم للإنجاز السريع عندما تدبلج مقاطع كثيرة وتريد النتائج خلال ثوانٍ.
  • P Video Avatar: ينشئ فيديوهات أفاتار متحدثة عندما لا تملك أي لقطات مصدر على الإطلاق.

قاعدة بسيطة: لقطات حقيقية مع صوت جديد تشير إلى Sync V2 أو أحد منافسيه. عدم وجود لقطات يشير إلى نموذج أفاتار.

أخطاء تهدر النقاط

تعود معظم النتائج المخيبة إلى الأخطاء القليلة نفسها.

  • تشغيل الفيديو كاملًا أولًا. جرّب دائمًا مقطعًا قصيرًا.
  • استخدام نمط مزامنة خاطئ. استخدام loop على دبلجة مترجمة سيكرر الإيماءات، وremap غالبًا هو الخيار الأفضل.
  • ترك المتحدث النشط مغلقًا في لقطة لشخصين، ثم التساؤل لماذا يتحدث الاثنان.
  • رفع صوت مشوّش. الموسيقى والصدى والتشويش تربك أشكال الفم.
  • الحكم على النتيجة من مكبر صوت الهاتف. راجع بالحجم الكامل وبسماعات الرأس، لأن أخطاء الشفاه تختبئ في المعاينات الصغيرة.
  • رفع درجة الحرارة إلى 1.0 لكل مقطع. القيم القصوى تناسب عددًا قليلًا من المتحدثين.

انتبه أيضًا إلى الفيديو المصدر. فالوجه المموه بسبب الحركة، أو المخفي جزئيًا، أو الذي يقل ارتفاعه عن بضع مئات من البكسلات، سيحد من الجودة مهما أحسنت ضبط الإعدادات.

جرّب مزامنة الشفاه الخاصة بك اليوم

يكافئ Sync V2 التجارب السريعة. اختر مقطعًا مدته عشر ثوانٍ تملكه بالفعل، وسجّل أو ولّد سطرًا جديدًا من الحوار، ثم شغّله عبر Lipsync 2 على PicassoIA. جرّب remap، ثم bounce. حرّك درجة الحرارة من 0.3 إلى 0.7 وراقب كيف تتغير شخصية الجملة نفسها.

عندما تريد المقارنة، شغّل العينة نفسها على Lipsync 2 Pro وKling Lip Sync. عشر دقائق من الاختبار ستخبرك بأكثر من أي ورقة مواصفات، وستوضح لك بالضبط حجم الميزانية التي يحتاجها مشروعك الفعلي. ولاستعراض الأدوات كلها، تصفح جميع النماذج على PicassoIA وابنِ سير عمل الدبلجة الخاص بك.

شارك هذا المقال

اختر لغتك

Freeأنشئ صورًا وفيديوهات بالذكاء الاصطناعيمجانًا، دون بطاقة ائتمانعمليات توليد مجانية للبدءيشمل Seedance 2.5 Liteابدأ مجانًا الآن

مقالات ذات صلة