Seed Audio 1.5: ویڈیو کا ترجمہ اور ڈبنگ، اسی آواز میں
آواز، ساؤنڈ ایفیکٹس اور موسیقی کے لیے ایک ہی ماڈل، جو آپ کی ویڈیو کے مطابق چلتا ہے
Seed Audio 1.5 ByteDance کا نیا آڈیو ماڈل ہے۔ یہ ویڈیو لیتا ہے، اسے سنتا ہے اور نیا ساؤنڈ ٹریک لکھتا ہے: وہی راوی جاپانی بولتا ہوا، تصویر کے مطابق چلنے والی ڈبنگ، یا آواز، موسیقی اور ایفیکٹس الگ الگ ٹریکس میں۔ ہم نے ابتدائی رسائی میں اسے استعمال کر کے 9 منٹ کی اینیمیٹڈ فلم کا 12 زبانوں میں ترجمہ کیا۔ یہاں دیکھیں کہ اس نے کیا کیا، کہاں چُوکا، اور آپ وہی نتیجہ کیسے حاصل کر سکتے ہیں۔
Doitong ایک آزاد پلیٹ فارم ہے اور ByteDance سے وابستہ نہیں۔
ہمارا ٹیسٹ: ایک فلم، 12 زبانیں، وہی راوی
ہم نے “The Last Ordinary Day in Pompeii” لی، جو انگریزی راوی کے ساتھ 9 منٹ کی اینیمیٹڈ تاریخی فلم ہے، اور ہر زبان کے لیے ایک بار Seed Audio 1.5 کے ویڈیو ترجمے سے گزاری۔ ویڈیو چلائیں اور ترتیبات ← آڈیو ٹریک کھول کر انگریزی اصل اور 12 تراجم کے درمیان بدلیں۔
اس ویڈیو کے آڈیو ٹریکس: انگریزی (اصل) اور روسی، جرمن، فرانسیسی، ہسپانوی (اسپین)، اطالوی، جاپانی، کوریائی، ڈچ، سویڈش، ڈینش، نارویجن اور فنش۔
- فلم کا دورانیہ
- 9:00
- زبانیں
- 12
- فی درخواست وقت
- 2.6–3.3 منٹ
- دورانیے کا فرق
- < 0.03 سیکنڈ
ہم نے ٹیسٹ کیسے کیا
اوپر دیے گئے اعداد و شمار ہمارے اپنے لاگز سے ہیں، کسی پریس ریلیز سے نہیں۔ اگر آپ یہ ٹیسٹ دہرانا چاہتے ہیں تو تین باتیں اہم ہیں۔
وقفے پر تقسیم کریں
ایک درخواست 4 سے 360 سیکنڈ کی ویڈیو قبول کرتی ہے، اس لیے 9 منٹ کی فلم دو حصوں میں گئی جو قدرتی وقفے پر کاٹے گئے: 4:43 اور 4:17۔ بارہ زبانوں کا مطلب 24 درخواستیں تھیں، اور ہر ایک 157 سے 200 سیکنڈ میں واپس آئی۔
دورانیہ برقرار رہا
ترجمہ شدہ ہر حصہ اصل کے برابر دورانیے میں واپس آیا۔ پہلا حصہ 283.26 سیکنڈ میں آیا جبکہ اصل 283.29 سیکنڈ کا تھا، دوسرا حصہ 256.83 کے مقابلے میں 256.83 سیکنڈ کا، اور یہی اعداد ہر زبان میں رہے۔ نیا نریشن بغیر ٹائمنگ بدلے تصویر پر بیٹھ گیا۔
ہم نے صرف آواز بھیجی
ہم نے ماڈل کو موسیقی کے بغیر صرف نریشن دیا، اور اپنا اسکور اور ایفیکٹس بعد میں خود مکس کیے۔ ترجمے کے اندر موسیقی اور ایفیکٹس کو برقرار رکھنا ماڈل کی بیان کردہ خصوصیت ہے، لیکن اس خاص ٹیسٹ میں ہم نے اس پر انحصار نہیں کیا۔
Seed Audio 1.5 کیا کر سکتا ہے
ورژن 1.5 Seed Audio کا پہلا ماڈل ہے جو ویڈیو قبول کرتا ہے۔ اسی ایک تبدیلی سے نیچے دیے گئے زیادہ تر کام ممکن ہوتے ہیں۔
ویڈیو کا اسی آواز میں ترجمہ
انگریزی یا چینی سے 30 زبانوں میں۔ آواز بولنے والے کا مزاج برقرار رکھتی ہے، اور اصل ایفیکٹس اور پس منظر کی موسیقی اپنی جگہ رہتے ہیں؛ صرف بولی جانے والی بات بدلتی ہے۔
وضاحت سے ویڈیو کی ڈبنگ
ماڈل کو ویڈیو دیں اور بتائیں کہ کیا سنائی دینا چاہیے: مکالمے، آوازیں، ایفیکٹس، موسیقی۔ یہ تصویر کے مطابق آڈیو تیار کرتا ہے۔ اسکرپٹ آپ کے لیے خود نہیں گھڑے گا۔
آڈیو کو اسٹیمز میں تقسیم کریں
آڈیو فائل دیں اور آوازیں، ایفیکٹس اور موسیقی الگ الگ ٹریکس کی صورت میں واپس لیں، زیادہ سے زیادہ چھ، جو مکسنگ سیشن کے لیے تیار ہوں۔
خاموش کلپ میں آواز شامل کریں
ماحول کی آواز، قدموں کی چاپ، دروازہ، موسیقی کا بیڈ مانگیں، اور پرامپٹ میں ٹائم اسٹیمپ دے کر ہر ایک کو ٹائم لائن پر رکھیں۔
آواز کی کلوننگ
2 سے 30 سیکنڈ کے چھ تک ریفرنس کلپس آواز کا ٹمبر طے کرتے ہیں۔ ریفرنس کو ویڈیو کے ساتھ ملائیں تو ڈبنگ اسی آواز میں بولی جاتی ہے۔
بولوں کے ساتھ گانے لکھیں
تحریری بریف سے چھ منٹ تک کی موسیقی، جس میں انگریزی، چینی، جاپانی، کوریائی یا کینٹونیز میں گائے گئے بول ہوں۔
Seed Audio 1.5 کی حدود
یہ حدود ByteDance کی ابتدائی رسائی کی انٹیگریشن گائیڈ سے ہیں۔ ویڈیو کاٹنے سے پہلے انہیں دیکھ لیں۔
| ان پٹ | حد |
|---|---|
| ویڈیو کا دورانیہ | فی درخواست 4–360 سیکنڈ |
| ویڈیو فارمیٹس | MP4, MOV |
| ویڈیو ریزولوشن | 480p، 720p یا 1080p |
| ویڈیو فائل کا سائز | 200 MB تک |
| آواز کے ریفرنس کلپس | 6 تک، ہر ایک 2–30 سیکنڈ، کل 180 سیکنڈ |
| اسٹیم سیپریشن کے لیے آڈیو | ایک فائل، 2–360 سیکنڈ، 90 MB تک، WAV یا MP3 |
| آؤٹ پٹ | قدر |
|---|---|
| فی درخواست سب سے طویل آڈیو | 6 منٹ |
| اسٹیم ٹریکس | 6 تک |
| فارمیٹس | WAV (ڈیفالٹ)، MP3, PCM, OGG Opus |
| ڈیفالٹ سیمپل ریٹ | 44.1 kHz |
| بولنے کی زبانیں | 30 |
| ویڈیو ترجمے کا ماخذ | انگریزی یا چینی، یا خود بخود شناخت |
ماخذ: ByteDance Seed Audio 1.5 ابتدائی رسائی کی انٹیگریشن گائیڈ، اکتوبر 2026۔ اجرا کے بعد حدود بدل سکتی ہیں۔
30 زبانیں
Seed Audio 1.5 یہ زبانیں بولتا ہے۔ ویڈیو ترجمہ انگریزی یا چینی سے ان میں سے کسی بھی زبان میں ہوتا ہے۔ اردو ان میں شامل نہیں۔
گانوں کے بول ایک چھوٹے سیٹ میں سپورٹ ہوتے ہیں: انگریزی، چینی، جاپانی، کوریائی اور کینٹونیز۔
کارآمد پرامپٹس
ByteDance کی پرامپٹ گائیڈ تین سطحیں بیان کرتی ہے: سادہ وضاحت، واقعات کی ترتیب طے کرنے والا اسکرپٹ، اور عین سیکنڈز والی ٹائم لائن۔ سادہ سے شروع کریں اور ٹائم اسٹیمپ صرف وہاں شامل کریں جہاں ٹائمنگ اہم ہو۔ پرامپٹ کی مثالیں انگریزی میں ہی رہتی ہیں، کیونکہ ماڈل انگریزی ہدایات بہتر سمجھتا ہے۔
سادہ وائس اوور
Generate only this speaker as dry, close-miked speech. No music, no sound effects, no room reverb, no second speaker. A calm adult female voice at a steady pace reads: “Most people in Pompeii woke up that morning expecting an ordinary day.”
پہلے پابندیاں، پھر آواز، پھر عین الفاظ۔ یہ بتانا کہ کیا نہیں آنا چاہیے اتنا ہی اہم ہے جتنا یہ بتانا کہ کیا آنا چاہیے۔
ٹائمنگ والا منظر
[0.0s:12.0s] Soft market ambience under the whole scene. [0.5s:1.5s] A wooden cart rolls past. [2.0s:6.5s] An old man, warm and unhurried, says: “Bread, still warm from the oven.” [7.0s:12.0s] A low drum rumble rises in the distance.
ٹائم اسٹیمپ ہر آواز کو ٹائم لائن پر اس کی جگہ دیتے ہیں، یوں آڈیو آپ کی پہلے سے کی گئی کٹس کے ساتھ ہم آہنگ رہتا ہے۔
کن باتوں کا خیال رکھیں
وہ مسائل جو ہمیں ٹیسٹنگ میں ملے، اور وہ باتیں جو دستاویزات میں واضح طور پر درج ہیں۔
- نام اور نایاب الفاظ مختلف ٹیکس میں بدل سکتے ہیں۔ ہماری دوسری ٹیسٹ فلم کے روسی ترجمے میں، جو 1666 کے لندن میں سیٹ ہے، دریائے ٹیمز کی کشتی کا پرانا لفظ غلط نکلا اور ایک کردار کے نام کی شکل بدل گئی۔ ویڈیو ترجمہ گلوسری قبول کرتا ہے، اس لیے چلانے سے پہلے ناموں کی فہرست دے دیں۔
- ڈبنگ کے لیے وضاحت درکار ہے۔ Seed Audio 1.5 اپنی طرف سے مکالمے نہیں لکھتا؛ اسے بتائیں کہ کیا بولا جائے اور کیا سنائی دے۔
- یہ آواز بناتا ہے، ہونٹوں کی حرکت نہیں۔ ترجمہ شدہ آواز اصل کی ٹائمنگ برقرار رکھتی ہے، لیکن اسکرین پر نظر آنے والے ہونٹ دوبارہ نہیں بنائے جاتے۔
- ایک درخواست 6 منٹ تک کا احاطہ کرتی ہے۔ طویل ویڈیوز کو تقسیم کرنا پڑتا ہے، اور جملے کے بیچ میں کٹ سنائی دیتا ہے، اس لیے وقفے پر کاٹیں۔
- ویڈیو ترجمہ انگریزی یا چینی سے شروع ہوتا ہے۔ کسی اور زبان کی ویڈیو کا براہِ راست ترجمہ نہیں ہو سکتا۔
- صرف وہی آوازیں کلون کریں جنہیں استعمال کرنے کا آپ کو حق ہو۔
Seed Audio 1.5 کے بارے میں اکثر پوچھے گئے سوالات
کیا Seed Audio 1.5 ویڈیو کا اردو میں ترجمہ یا ڈبنگ کر سکتا ہے؟
ابھی نہیں۔ اردو ان 30 زبانوں میں شامل نہیں جو Seed Audio 1.5 اجرا کے وقت بولتا ہے۔ انگریزی یا چینی کی ویڈیو کا ترجمہ عربی، ہندی، ترکی اور انڈونیشیائی جیسی زبانوں میں کیا جا سکتا ہے۔
Seed Audio 1.5 کیا ہے؟
Seed Audio 1.5 ByteDance کا آڈیو جنریشن ماڈل ہے، جو 28 اکتوبر 2026 کو جاری ہوا۔ یہ تقریر، ساؤنڈ ایفیکٹس اور موسیقی ایک ہی بار میں بناتا ہے اور Seed Audio کا پہلا ورژن ہے جو ویڈیو قبول کرتا ہے، اور اسی سے ویڈیو ڈبنگ اور اسی آواز میں ویڈیو ترجمہ ممکن ہوتا ہے۔
کیا Seed Audio 1.5 ویڈیو کا ترجمہ اسی آواز میں کرتا ہے؟
جی ہاں۔ ویڈیو ترجمہ بولنے والے کی آواز کا مزاج برقرار رکھتے ہوئے تقریر کو دوسری زبان میں دوبارہ ریکارڈ کرتا ہے، اور اصل ساؤنڈ ایفیکٹس اور موسیقی بھی رکھتا ہے۔ ہمارے ٹیسٹ میں 9 منٹ کا انگریزی نریشن 12 زبانوں میں واپس آیا، اور ہر ایک اصل کے برابر دورانیے کا تھا۔
Seed Audio 1.5 کون سی زبانیں سپورٹ کرتا ہے؟
تقریر کے لیے 30 زبانیں، جن میں انگریزی، چینی، جاپانی، کوریائی، ہسپانوی (اسپین اور میکسیکو)، پرتگالی (برازیل اور پرتگال)، جرمن، فرانسیسی، روسی، عربی اور ہندی شامل ہیں۔ ویڈیو ترجمہ انگریزی یا چینی سے ان 30 میں سے کسی بھی زبان میں ہوتا ہے۔
ویڈیو کتنی لمبی ہو سکتی ہے؟
ایک درخواست 4 سے 360 سیکنڈ کی ویڈیو لیتی ہے، جو 200 MB تک اور 480p، 720p یا 1080p میں ہو۔ طویل فلم کو وقفوں پر تقسیم کریں اور حصوں کا ایک ایک کر کے ترجمہ کریں، جیسا ہم نے 9 منٹ کی Pompeii فلم کے ساتھ کیا۔
ترجمے میں کتنا وقت لگتا ہے؟
ہمارے ٹیسٹوں میں تقریباً ساڑھے چار منٹ کے ہر حصے کو فی زبان 157 سے 200 سیکنڈ لگے۔
کیا Seed Audio 1.5 لپ سنک کرتا ہے؟
نہیں۔ یہ آڈیو بناتا ہے۔ ترجمہ شدہ آواز اصل کی ٹائمنگ کی پیروی کرتی ہے، لیکن ویڈیو خود، بشمول ہونٹوں کی حرکت، تبدیل نہیں ہوتی۔
کیا یہ آواز، موسیقی اور ساؤنڈ ایفیکٹس الگ کر سکتا ہے؟
جی ہاں۔ اسے 6 منٹ تک کی آڈیو فائل دیں تو یہ آوازیں، ایفیکٹس اور موسیقی الگ ٹریکس میں واپس کرتا ہے، کُل چھ تک۔
Seed Audio 1.0 کے مقابلے میں کیا بدلا ہے؟
Seed Audio 1.5 میں ویڈیو ان پٹ شامل ہوا ہے، جس سے ویڈیو ڈبنگ اور ویڈیو ترجمہ ممکن ہوئے۔ اس میں اسٹیم سیپریشن اور 6 منٹ تک کی موسیقی بھی شامل ہے، یہ چھ تک وائس ریفرنس کلپس قبول کرتا ہے، فی درخواست 6 منٹ تک کا آڈیو بناتا ہے اور 30 زبانیں بولتا ہے۔
کیا Seed Audio 1.5 اور Seed Audio 2.0 ایک ہی ہیں؟
کچھ ویب سائٹس آنے والے ماڈل کو Seed Audio 2.0 لکھتی ہیں۔ ByteDance کی ابتدائی رسائی کی دستاویزات اسے Seed Audio 1.5 کہتی ہیں، اور ہم یہی نام استعمال کرتے ہیں۔
کیا Doitong ByteDance سے وابستہ ہے؟
نہیں۔ Doitong ایک آزاد AI ویڈیو پلیٹ فارم ہے۔ ہمیں Seed Audio 1.5 تک ابتدائی رسائی ملی تھی اور یہاں ہم اپنے نتائج بیان کرتے ہیں۔
Seed Audio 1.5 سے آپ کیا کر سکتے ہیں
اپنی ویڈیو کو کسی دوسری زبان میں آواز دیں
ایک مختصر کلپ سے شروع کریں، ناموں کی جانچ کریں، پھر پوری فلم چلائیں۔
Doitong میں شروع کریں