Voz, música y transcripción
Separa narración, clonación de voz, diseño de sonido y subtítulos.
Narración y cambio de voz
Usa /rikoko /speech para narración independiente o cambio posterior de voz. El valor predeterminado actual es Eleven v3 cuando está disponible. La voz usa la operación tts con modelo, texto, idioma y voz explícitos. No incluyas estos ajustes en los parámetros de generación de video. Conserva el audio nativo, salvo cuando la edición solicite reemplazarlo.
Clona y reutiliza una voz
El ejemplo minimax-voice-clone requiere una grabación de voz autorizada de 10–60 segundos, hasta 20 MiB, vinculada a la función voice. Guarda el ID de voz y el recurso de clonación resultantes. minimax-cloned-speech requiere ese perfil para reutilizarlo; no es un narrador predeterminado de solo texto. Una grabación limpia sin voces superpuestas ayuda a aislar la voz deseada.
Música y efectos de sonido
Usa /rikoko /audio y elige la categoría correcta. El perfil de ejemplo elevenlabs-music-30s produce una base instrumental de 30 segundos; elevenlabs-sound-5s produce un efecto de cinco segundos. Otras duraciones requieren ajustes admitidos o perfiles y precios configurados por separado. Describe ambiente, instrumentos o fuente sonora, coloca el resultado en la edición y equilibra su volumen con la voz.
Transcripción y tiempos de subtítulos
Scribe v2 es un perfil de transcripción, no un generador de voz. Obtén la transcripción completada mediante transcript_get y selecciona palabras reales o intervalos con transcript_select. Construye subtítulos con los tiempos devueltos, sin estimarlos por la longitud del texto. Revisa nombres, números, cambios de hablante y pausas contra el audio antes de exportar.