VOCAVID

PŘÍRUČKA KROK ZA KROKEM

Od prvního nahrání
až po finální film.

Tento návod vás provede kompletním procesem práce s VocaVid. Pořadí kroků je záměrně praktické: nejprve struktura a načasování, poté vzhled a pohyb, následně střih a ukázky.

Před zahájením prvního projektu

VocaVid běží lokálně na Pythonu 3.11 nebo novějším. Dále je zapotřebí spuštěná instance ComfyUI, odpovídající soubory pracovního postupu a ffmpeg . Pro Whisper a generování se doporučuje grafická karta s podporou CUDA.

Tip: Nejprve spusťte ComfyUI a zkontrolujte, zda jsou v pracovních postupech k dispozici potřebné modely a vlastní uzly. Poté spusťte VocaVid pomocí python -m VocaVid serve a otevřete jej v http://127.0.0.1:8000 otevřete.

1. Vytvořte nový projekt

  1. Otevřete „New Project“ a na ovládacím panelu vytvořte nový projekt hudebního videa.
  2. Pojmenujte projekt. Jasný název vám později pomůže při vyhledávání souborů Kdenlive, MP4 a exportů Reel.
  3. Nastavení základního formátu: Vyberte rozlišení, počet snímků za sekundu (FPS) a přechodové úchyty odpovídající požadovanému výstupnímu formátu.

2. Zadání hodnot a vložení zdrojového materiálu

  1. Nahrajte soubor WAV a text písně. Soubor WAV slouží jako časová základna. Text písně ve formátu SUNO s označením částí, jako jsou [Verse], [Chorus] nebo [Bridge] .
  2. Definujte styl: Popište žánr, vizuální jazyk, náladu a opakující se motivy. To je tvůrčí vodítko pro plán scén a podněty.
  3. Nastavení referencí: Pokud jsou důležité postavy nebo opakující se vzhled, doplňte vhodné referenční obrázky. Výchozí nastavení avatarů lze připravit globálně a přizpůsobit pro každý projekt.
  4. Zvolte velikost segmentů: Pro sloky a refrény zvlášť určete, kolik veršů textu se má v jedné scéně objevit.

3. Automatická segmentace — a v případě potřeby korekce

  1. Spustit „Analyze + Split“ VocaVid pomocí Whisperu sladí text písně se skladbou a na tomto základě vytvoří první renderovací segmenty.
  2. Zkontrolujte načasování: Cíleně si prohlédněte řádky s nízkou přesností transkripce. Pokud Whisper není dostatečně přesný, VocaVid použije transparentní náhradní načasování.
  3. Ruční úprava: V rozšířeném tabulkovém režimu opravte čas začátku a konce verše, změňte seskupení veršů nebo upravte segmenty.
  4. Cílené vkládání instrumentálních pasáží: Pro intro, break nebo přechod vytvořte v manuálním editoru časování interludium. Tyto pasáže se stanou samostatnými scénami, které lze renderovat.

Nejprve upravte časování a segmentaci. Každá pozdější scéna, každý klip a finální střih se podle toho budou řídit.

4. Plán scény a pokyny

  1. Vytvoření plánu scény: Pomocí „Scene Plan“ vzniká červená nit procházející celou skladbou. U delších skladeb přebírá VocaVid kontext mezi jednotlivými dávkami.
  2. Upravte plán: Před generováním obrázků si ujasněte opakující se místa, postavy, barvy a symbolické motivy.
  3. Generování obrazových podnětů: Pro vybrané segmenty vygenerujte obrazové podněty. Jednotlivé podněty lze a je třeba v případě potřeby ručně upřesnit.
  4. Generování pohybových podnětů: Následně vygenerujte podněty pro převod obrázků na video: pohyb kamery, tempo, akci a požadovanou energii scény.

5. Obrázky, avatary a klipy

  1. Generování obrázků: Vytvořte základní obrázky pro vybrané karty storyboardu a porovnejte je v náhledu.
  2. Avatary vytvářejte pouze tam, kde mají smysl. Typickými příklady jsou refrény, háčky nebo opakující se vystoupení. Varianty avatarů pomáhají udržet stejnou postavu konzistentní napříč několika scénami.
  3. Výběr zdroje obrázku: Pro každý segment rozhodněte, zda má klip vycházet ze základního obrázku nebo z varianty avatara.
  4. Generování klipů: Vybrané scény vykreslete jako video. Globální fronta vykreslování přitom zůstává viditelná.
  5. Zkontrolujte a ochraňte: Dobrá videa označte OK označte. Chráněné klipy nebudou při pozdějších hromadných akcích přepsány. Slabá místa cíleně vygenerujte znovu.

6. Finalizace, Kdenlive a MP4

  1. Projděte si celý storyboard. Naposledy zkontrolujte pořadí, zdroj médií, načasování a stav „OK“.
  2. Spustit „Assemble Final“ VocaVid vytvoří ze schválených klipů editovatelný projekt Kdenlive s video a zvukovými stopami a přechody.
  3. Otevřete projekt Kdenlive. Pro finální úpravy, vlastní titulky, korekci barev nebo ruční přechody je k dispozici .kdenlivesoubor k dispozici.
  4. Renderování MP4: Pomocí „Render MP4“ vytvořte finální export. Pokud již existuje soubor MP4, VocaVid otevře náhled.

7. Vytvoření Reels z hotového videa

  1. Otevřít „Make reels“ Po exportu do formátu MP4 přejděte do pracovního postupu pro Reels.
  2. Spustit analýzu: Funkce Whisper a analýza rytmu a energie navrhují vertikální, hudebně zajímavé úseky.
  3. Zkontrolujte kandidáty: Vykreslete náhledy nejlepších míst a posuďte výřez obrazu i zvolený okamžik.
  4. Exportujte finální Reels: Schválené kandidáty exportujte jako vertikální soubory – připravené pro Shorts, Reels nebo TikTok.