你期待聽到的那些聲音，描述得要跟畫面本身一樣精確
一份畫面上面的需求，加上你所需要的對白、環境聲或是音效
請描述整個場景、發生的動作、鏡頭的運動、要說出來的台詞、環境的聲音，以及你需要的音效
影片工具
帶有原生音訊的 AI 影片
在同一次請求裡面，生成一支帶有聲音的 AI 短影片。
請同時描述你想要的畫面，以及要跟著畫面一起出現的對白、環境聲或是音效。Vizify 只會使用經過檢查、確定支援原生音訊的政策；如果找不到這樣的模型，它會直接停下來並且向你說明原因，而不是安安靜靜地交回一支無聲的影片。
把聲音視為必要的條件，而不是附加的加分項目 一份畫面上面的需求，加上你所需要的對白、環境聲或是音效 一支帶有原生音訊的短影片成品
從不完整的想法開始選填項目能協助 Vizify 更快理解交付需求。
試試這些開場方式
你所寫下的需求內容，以及暫存起來的輸入檔案，都會先在 Vizify 裡面開啟讓你確認；一直要等到你確認無誤之後，才會真正開始進行生成。
一支帶有原生音訊的短影片成品
在影片進入剪輯或是送上動態消息之前，你可以連同聲音一起檢查的一支短片
你先前暫存起來的任何參考音訊，都會繼續附著在這一次的請求上面
功能
從輸入到可直接使用的成果。
聲音是這一次請求的必要條件之一
音訊是否受到支援，完全取決於個別的模型。Vizify 只會使用一個已經檢查過、確定支援聲音的政策；找不到的時候，它會停下來並且向你說明原因，不會改用無聲的模型頂替，同時它也不承諾能夠做到精準的對嘴效果。
描述整體的混音效果，而不是只描述畫面
請把三個音訊的層次分開來寫，也就是說出來的台詞、空間裡面的環境聲，以及特定的音效，並且說明其中哪一個層次應該佔據主導的地位。如果聲音只是在一份視覺需求的最後被順手補上一句，那麼通常換回來的，就只會是一段沒有什麼特色的背景噪音。
先用耳朵聽過一次，再用眼睛看過一次
請先開著聲音把整支影片播放過一次：確認說話的內容和你所提供的台詞一致，環境聲符合這個場景所在的地點，而且也沒有任何一個音效落在錯誤的畫格上面。
常見問題
你可能想了解的問題。
如果沒有任何一個相容的模型支援音訊，那會發生什麼事？
Vizify 會直接停下來，並且向你說明這一次的不相容情況究竟是出在哪裡。它不會退而求其次改用一個無聲的模型，也不會把那樣的結果當成已經滿足了你的音訊需求，然後呈現給你看。
我可以上傳一段用來當作參考的音訊軌嗎？
可以，支援 MP3、WAV、OGG、FLAC 或是 M4A 格式，最多 3 個檔案，而且每一個檔案 20 MB。這段音訊的作用是引導節奏與聲音的質感，而不是被原封不動地複製進成品裡面當成配樂；另外，使用上傳功能需要有一個免費的 Vizify 帳戶。
對嘴的準確度高不高？
並不高。嘴型的動作只是近似值，而且在不同次的生成之間都會有所改變，所以請把台詞寫得簡短一些；在任何真的很在意說話準確度的場合使用之前，都要自己先把整支影片檢查過一遍。
我可以指定某一種特定的聲線或是口音嗎？
你可以描述一種聲音，包括年齡、語氣、語速與口音，模型會依照這一段描述去加以詮釋。不過 Vizify 不會複製任何一位指名的真實人物的聲音，而且同樣的一段描述，在不同的工作之間也不會產生完全一致的聲音。
我可以要求音樂，而不是對白嗎？
你可以指定一種情緒或者是一組樂器的配置，有些模型也確實會照著這個要求去做，但是這個頁面所提供的是影片方面的能力，而不是一個音樂生成工具。完整的樂曲創作，以及取得授權的音樂，都應該交給專門處理音訊的流程來完成。
這個頁面實際上會挑選哪一種模型？
只會挑選那些經過檢查、而且政策確實支援本次操作與輸入的音訊需求的公開模型。這樣的條件會讓可以選擇的範圍變得比較小，因此某些在無聲影片頁面上面提供的畫面比例或是影片長度組合，在這一個頁面上並不一定能夠使用。
把需求送出去之後，會立刻就拿到影片嗎？
不會。影片生成是一項以非同步方式執行的工作，它所需要的時間通常是以分鐘來計算，而不是幾秒鐘就能夠結束。在這一段等待的期間，Vizify 會持續輪詢這個工作，直到它順利完成或是明確失敗為止；因此你最後拿到的，一定是一個已經完成的檔案，或者是一則清楚說明失敗原因的訊息，而絕對不會是一個被包裝成結果、但實際上還在等待中的處理狀態。
使用這個工具的時候，我需要有一個 Vizify 帳號嗎？
你不需要先登入，就可以在這個公開的頁面上面撰寫需求，並且反覆地調整內容，一直修改到你自己滿意為止。不過，實際去執行生成工作、上傳檔案，以及在生成結束之後，把已經完成的成品保存在你自己的工作區裡面，這三件事情都需要有一個 Vizify 帳號才能夠進行。
把整份需求收斂成一支短短的影片
請同時描述你想要的畫面，以及要跟著畫面一起出現的對白、環境聲或是音效。Vizify 只會使用經過檢查、確定支援原生音訊的政策；如果找不到這樣的模型，它會直接停下來並且向你說明原因，而不是安安靜靜地交回一支無聲的影片。 音訊是否受到支援，完全取決於個別的模型。Vizify 只會使用一個已經檢查過、確定支援聲音的政策；找不到的時候，它會停下來並且向你說明原因，不會改用無聲的模型頂替，同時它也不承諾能夠做到精準的對嘴效果。
目前的對嘴技術實際上能做到什麼程度
那些能夠同時生成畫面與語音的模型，確實可以把一個聲音擺放得相當有說服力，但是嘴型的變化仍然只是近似值，而且在不同的拍次之間都會有所不同。因此請盡量把要說出來的台詞寫得短一點；在準確度真的很重要的時候，避免使用貼著嘴部拍攝的大特寫；並且把任何對白比重很高的結果，都當成一份草稿來看待，一格一格檢查過之後，再把它拿出去使用。
仔細檢查生成出來的結果
Vizify 會一路追蹤這個在背景執行的非同步工作，直到它順利完成或是明確失敗為止；接著它交還給你的，會是一份已經完成的影片成品，而不是一個還停留在等待中的處理狀態。 請先開著聲音把整支影片播放過一次：確認說話的內容和你所提供的台詞一致，環境聲符合這個場景所在的地點，而且也沒有任何一個音效落在錯誤的畫格上面。
從一份需求，到一支完成的影片
開啟 Vizify