Mga setting ng Translate Audio: recognition, translation at voiceover
Kung para saan ang bawat option sa Translate Audio settings, magkano ito at kailan gumagana: speech recognition, translation model, standard at cloned voices.
Na-update noong Nobyembre 2, 20265 min basahin
Para buksan ang settings, i-tap ang settings icon (sliders) sa kanang bahagi sa itaas ng Translate Audio. May tatlong tab ang sheet: Recognition, Translation at Voiceover. Tatandaan ng app ang mga pinili mo para sa susunod na recordings.
Kailan magkakabisa ang pagbabago
Nagkakabisa ang bawat tab sa magkakaibang pagkakataon, kaya hindi palaging naaapektuhan ng pagbabago ang resulta na nasa screen na.
| Tab | Maaapektuhan |
|---|---|
| Recognition | ang susunod na file na pipiliin mo |
| Translation | mga repeat translation lang: kapag pinalitan mo ang target language o in-edit ang source text. Ang unang translation ng bagong file ay laging gumagamit ng Gemini 3.8 Flash |
| Voiceover | sa susunod na pag-tap mo ng play |
Recognition: sino ang nagko-convert ng boses papuntang text
Ang ElevenLabs Scribe ang default at pinakamurang option. Laging awtomatikong nade-detect ang wika ng recording.
| Option | Sinasabi ng app tungkol dito | Oras | Presyo |
|---|---|---|---|
| ElevenLabs Scribe | accurate kahit may accents at background noise, 99 na wika | ≈ 3 s | humigit-kumulang 0.7 tokens bawat minuto |
| OpenAI Transcribe | mas magaling sa technical terms at proper nouns | ≈ 5 s | humigit-kumulang 1.2 tokens bawat minuto |
| OpenAI Whisper | option para sa mahahabang recording | ≈ 10 s | humigit-kumulang 1.2 tokens bawat minuto |
Ang provider na napili rito ay ginagamit din ng Text Transcription, na walang sariling settings.
Translation: aling model ang magta-translate
Maliit na bahagi lang ng token ang bawas ng model bawat 1,000 characters, kaya ang pagpili ay nakadepende sa kalidad at bilis.
| Model | Bagay para sa |
|---|---|
| Gemini 3.8 Flash (default) | pinakamagandang kalidad, kayang humawak ng slang, idioms at komplikadong text |
| Gemini Flash Lite | pinakamabilis, pero posibleng hindi gaanong accurate sa slang at emosyonal na pananalita |
| GPT 6 Luna | murang alternatibo para sa karamihan ng text |
Voiceover nang walang cloning
Mabilis at murang binabasa ng mga standard voice ang translation, pero hindi nila boses ang nagsasalita. Sa Translate Audio, bawat isa sa kanila ay may isang fixed voice na hindi mo mapapalitan.
| Option | Katangian | Oras | Presyo |
|---|---|---|---|
| ElevenLabs | pinaka-natural pakinggan na intonation sa mga stock voice | ≈ 2 s | 10 tokens bawat 1,000 characters, minimum na 1 token |
| OpenAI | neutral na boses na walang matinding emosyon, para sa balita at lessons | ≈ 5 s | 1.8 tokens sa bawat nagsimulang 150 salita |
Voiceover na may cloning
Binobosesan ng mga cloning option ang translation gamit ang boses mula sa iyong recording. Kinukuha ng MiniMax at Qwen 3 ang boses mula sa unang 60 segundo ng file, kaya dapat may malinaw na boses ng isang tao sa mga segundong iyon.
| Option | Min. recording | Mga wika | Oras | Presyo |
|---|---|---|---|---|
| MiniMax (minarkahang recommended) | 10 s | 38 | ≈ 10 s | 180 tokens para sa cloning plus 12 tokens bawat 1,000 characters |
| Qwen 3 | 3 s | 10: English, Russian, Chinese, German, French, Spanish, Italian, Japanese, Korean, Portuguese | ≈ 20 s | humigit-kumulang 20 tokens bawat 1,000 characters, minimum na 5; kung may saved voice humigit-kumulang 11 |
| ElevenLabs Dubbing v2 | wala, hanggang 2.5 oras | 94 | ≈ haba ng audio | 4.4 tokens bawat segundo ng recording |
Mga option sa MiniMax
Clone from file: one-time clone para sa translation na ito. My MiniMax voice: isa sa mga na-save mong boses, nang walang 180-token cloning fee.
Speed: mula 0.5x hanggang 2.0x. Mas mataas na value, mas mabilis magsalita.
Emotion: Auto (recommended), Happy, Sad, Angry, Fearful, Surprised, Calm o Disgusted.
Dapat hanggang 10,000 characters lang ang translation.
Kung babaguhin mo ang bilis o emosyon at iboboses ulit ang parehong resulta, hindi na sisingilin ang 180 tokens sa pangalawang pagkakataon.
Mga option sa Qwen 3
Clone from file o My Qwen voice.
Speech style: Auto, Slow, Fast, Calm, Energetic, Professional, Friendly o Soft. Gumagana lang ito sa Clone from file.
Kapag nag-fail ang Qwen cloning, iboboses ng app ang translation gamit ang standard voice at ipapakita ang «Voice cloning is unavailable right now. A standard voice was used.»
ElevenLabs Dubbing v2
Direktang dina-dub ng Dubbing v2 ang mismong orihinal na recording at hindi binabasa ang text mula sa Translation tab. Pinapanatili nito ang bilis at tono ng boses at hiwalay na binobosesan ang bawat tagapagsalita. Dahil dito, hindi magagamit ang mga in-edit mo sa translation: «Dubbing uses the original recording, so edited text is not applied.» Hindi gumagana ang mga saved voice sa Dubbing v2.
Ano ang mangyayari kung hindi ka pipili ng boses
Hangga't hindi ka pumipili ng voiceover option sa sheet na ito, ang app ang pipili kapag nag-tap ka ng play.
Para sa 10 wika ng Qwen 3 at mga recording mula 3 segundo, awtomatikong iki-clone ang boses gamit ang Qwen 3 nang hindi nagtatanong.
Para sa ibang wika, magtatanong ang app ng Clone voice? kasama ang presyo ng mas murang option, MiniMax o Dubbing v2. Ang ibig sabihin ng Use AI voice ay standard voice. Kapag pinili ang Don't ask again, tatandaan ang sagot mo.
Anumang option ang i-tap mo sa sheet ay pananatilihin para sa susunod na mga file, basta angkop ito sa wika at haba ng mga ito.
Ang option na hindi angkop sa kasalukuyang recording ay magiging kulay abo kasama ang pahiwatig tulad ng «language not supported» o «needs ≥ 10 sec of audio». Kung lilipat ka sa wikang hindi suportado ng napili mong option, ililipat ng app ang voiceover sa ElevenLabs.
Mga na-save na boses
Gamit ang saved voice, puwede mong gamitin ang sarili mong boses sa mga translation kahit ibang tao ang nagsasalita sa recording. May dalawang paraan para magkaroon nito.
Pagkatapos ng voiceover gamit ang Clone from file, i-tap ang Save voice sa What next? block. Ang MiniMax voice na na-save sa ganitong paraan ay hindi na sisingil ng 180 tokens sa susunod.
Magdagdag ng boses sa Settings → My Voices. Tingnan ang Paano mag-record o mag-upload ng voice sample.
Kung kakaiba pakinggan ang voiceover, nasa Bakit tunog robot ang na-translate na boses ang mga sintomas at solusyon. Tinalakay naman ang mga error sa Nag-fail o na-stuck ang voiceover sa Translate Audio.
I-contact ang support
Ilarawan ang problema at sasagot kami sa email. Isama ang file name o job ID kung mayroon ka.