Tradutor de vídeo con IA

Uso comercial permitido 588 modelos Sen marca de auga Non fai falta rexistrarse
Modelo:
+ GPT-5, Claude, Gemini
Repost your YouTube in Spanish, Hindi, French - with your face actually saying the words. Upload a video, pick a target language + voice, and we transcribe, translate, re-voice, and mix the new audio back into the original clip. Toggle lip-sync to also re-render the mouth.

Arrastre e solte o vídeo aquí, ou prema para examinar

MP4, MOV, WebM ata 100MB · clipes de menos de 5 minutos funcionan máis rápido

- · - · -
~1,500 tokens per minute of video (audio path) · ~3,000/min with lip-sync.
A extraer o son do vídeo...
Vídeo traducido listo
Show transcript + translation
Orixinal (transcrito)

                    
Traducido

                    
Obter MP4

Onde o tradutor de vídeo paga

Repost YouTube globalmente

Un envío en inglés → Español, hindi, francés, portugués, indonesia reenvíos coa voz do falante en cada idioma. 4x o público para unha produción.

Localizar campos

Os educadores en liña dobran un curso de 50 vídeos en 10 linguas durante a noite. A opción de sincronización labial fai que os segmentos de cabeza faladora sexan nativos, sen subtitular.

Localizar os anuncios

Execute o mesmo testemuño do produto en 10 contas de anuncios específicas de países. Mesmo actor, mesma toma, son nativo por mercado - sen refilmaxe.

Como funciona o tradutor de vídeo

Paso 1

Extraer o son

O ffmpeg do servidor obtén unha pista MP3 limpa do envío. Rápido - executa no VPS da API.

Paso 2

Transcrición

Whisper converte o son en texto coa detección automática da linguaxe. Soporte para 99 linguas desde o principio.

Paso 3

Translate + re-voice

MadLAD traduce á lingua de destino; Kokoro fala de volta coa voz que escolla entre 174 opcións.

Paso 4

Mix back + (optional) lip-sync

ffmpeg substituirá o son orixinal pola nova pista. Se a sincronización labial está activada, Sync Lipsync v2 renderizará a boca para que coincida.

Consellos para o vídeo traducido máis limpo

  • Altofalante único cara adiante. As escenas con varios altofalantes confunden a transcrición e a sincronización labial.
  • Son claro a - 6 dB. A música de fondo ou o ruído reducen a precisión da transcrición.
  • Os clipes de menos de 5 minutos renderízanse en 2- 5 minutos (camiño de son) ou 5- 15 minutos (con sincronización labial).
  • O español, francés, alemán, portugués e italiano teñen as opcións de voz Kokoro máis naturais. O hindi, árabe, xaponés, coreano e chinés tamén funcionan.
Opcións avanzadas
Resultado
Quédanche poucos tokens. Consegue máis tokens
Queres mellores resultados? Modelos premium (GPT-5, Claude, Gemini) ofrecen maior calidade. Ver plans

❤️ Amas a Free.ai?

Rexístrate para obter unha ligazón de referido e gañar 30,000 tokens por cada amizade.

Queres máis? Rexístrate gratis: 30,000 tokens/día
Inscríbete gratis

A procesar o seu pedido...

Volve publicar o teu YouTube en español, hindi, francés, coa voz do falante no idioma de destino. Whisper transcribe, MadLAD traduce, Kokoro pon a voz de novo e ffmpeg volve mesturalo todo. Sync Lipsync v2 opcional para volver renderizar a boca.

Como usar Tradutor de vídeo con IA

1
Indique a súa entrada

Escriba texto, envíe un ficheiro ou describa o que queira. Non se precisa conta ningunha.

2
Prema para xerar

A nosa IA procesa a túa solicitude en segundos cos mellores modelos de código aberto.

3
Obter e compartir

Obteña, copie ou comparta o seu resultado. Gratuito para uso persoal e comercial.

Usa esta ferramenta mediante a API

Automatiza esta ferramenta desde o teu propio código. Punto final REST compatible con OpenAI, autenticación con token Bearer, sen necesidade de ningún SDK adicional. Os custos en tokens son os mesmos que na interface web.

curl -X POST https://api.free.ai/v1/video/generate/ \
  -H "Authorization: Bearer sk-free-..." \
  -H "Content-Type: application/json" \
  -d '{"prompt": "A cat playing piano", "duration": 4}'

Tradutor de vídeo con IA - FAQ

Envíe calquera vídeo (un clip de YouTube, unha conferencia dun curso, un testemuño dun produto) e traducirémolo á lingua de destino coa voz do falante sintetizada na lingua. Opcionalmente, a sincronización labial renderiza a boca para que coincida co novo son. O ton: repost o seu YouTube en español, hindi, francés - coa súa cara realmente dicindo as palabras.

Cinco pasos executan- se secuentemente no lado do cliente: (1) ffmpeg extrae un MP3 limpo do vídeo, (2) Whisper transcribe o vídeo (detecta automaticamente 99 idiomas), (3) MadLAD traduce o texto, (4) Kokoro fala a tradución na voz que escolla, (5) ffmpeg mestura o novo son de volta no vídeo orixinal, substituíndo a pista orixinal. Se a sincronización labial está activada, un sexto paso encamiña o resultado a través de Sync Lipsync v2 para re- renderizar a boca.

A dobraxe de vídeo sempre executa o canal completo de sincronización labial - é a opción premium que preserva a identidade. O Tradutor de vídeo fai que a sincronización labial sexa opcional: salte o paso para unha execución 3x máis rápida, ~50% máis barata e perfecta para contidos de voz sobre texto onde a sincronización perfecta non é crítica (podcasts, gravacións de pantalla, vídeos de cociña, calquera cousa onde o locutor non estea preto todo o tempo).

The audio-only path runs almost entirely on self-hosted models (ffmpeg + Whisper + MadLAD + Kokoro), so it fits inside your daily token allowance for short clips. Lip-sync uses the premium Sync Lipsync v2 model and requires purchased tokens. Estimate: ~1,500 tokens per minute of video for the audio path, ~3,000/min with lip-sync.

As listas despregábeis mostran 20 idiomas de alta demanda (español, francés, alemán, italiano, portugués, holandés, polaco, ruso, turco, árabe, hebreo, hindi, chinés, xaponés, coreano, vietnamita, indonesia, tailandés, sueco, inglés). MadLAD soporta tecnicamente 450+; pídenos axuda se precisa outros.

Si, o selector de voz obtén todas as 174 voces Kokoro de 37 linguas. Cada voz está etiquetada cunha mostra para que poida escoitar antes de enviar. Coincide o xénero da voz co falante para obter o resultado máis natural.

Non - Kokoro escolle entre 174 voces, non é unha clonación do falante orixinal. Para clonar a voz preservando a identidade, execute a nosa ferramenta / voice/ clone/ primeiro para capturar a voz do falante, e logo use un fluxo de traballo personalizado. A clonación da voz + tradución automática nun canal está no mapa.

Os clipes de ata 100 MB procesan ben. Menos de 5 minutos renderizase en 2- 5 minutos para a rota de son, 5- 15 minutos con sincronización labial. Para vídeos máis longos, divida en escenas, traduza cada unha e combíneas de novo en / video/ editor /.

MP4, MOV, WebM, MKV ata 100MB. Un só altofalante dianteiro dá a transcrición máis limpa e (se o habilita) a mellor sincronización labial. A música de fondo ou varios altofalantes reducen a precisión da transcrición.

Non con Tradutor de vídeo con IA, substituirá o son, non as imaxes. Para gravar os subtítulos traducidos no vídeo, execute a ferramenta / video/ caption/ no resultado. Para exportar un ficheiro de subtítulos SRT/ VTT, use / transcribe / no vídeo orixinal.

Non. Os envíos son eliminados nos minutos seguintes á representación. A saída permanece na nosa CDN durante 24 horas (7 días para os usuarios de pago) na ligazón compartida, e logo é eliminada.

Non como un único punto final - encadear os existentes: POST / v1/ video/ to- audio/ → / v1/ stt/ → / v1/ translate/ → / v1/ tts/ → / v1/ video/ add- audio/, entón opcionalmente / v1/ video/ lip- sync/. As receitas de curl completas para cada un en / api /. A interface orquestra esta cadea exacta.

Rexístrate gratis: 30,000 tokens/día

Crear conta gratuíta

Non se require tarxeta de crédito

Como valoras esta ferramenta?

Amas a Free.ai?