المكاسب:
- القدرة على فهم أدوات تحويل النص إلى كلام (TTS)، واستنساخ الصوت والدبلجة الاصطناعية (الدبلجة/مزامنة الشفاه) وإنتاج مسودات التعليق الصوتي
- احصل على نطق طبيعي من خلال تعليمات النغمة والإيقاع والضغط والنطق وكن قادرًا على التخطيط لإصدار متعدد اللغات
- يتطلب استنساخ صوت الشخص الموافقة وحقوق النشر والحقوق الشخصية؛ إدراك أن التقليد الصوتي غير المعتمد يعد مخالفة أخلاقية وقانونية
الصوت هو نصف الفيديو. يمكن للمشاهد أن يسامح الصورة السيئة؛ لا يغفر الصوت السيئ. في الإنتاج التقليدي، تكون الدبلجة مكلفة وبطيئة: العثور على فنان دبلجة، وإنشاء استوديو، والتسجيل، ومعاودة الاتصال في حالة حدوث خطأ. لقد غيّر الذكاء الاصطناعي هذه الصورة: يمكن لأدوات تحويل النص إلى كلام تحويل النص إلى صوت طبيعي في دقائق؛ يمكن لاستنساخ الصوت "تعلم" صوت الشخص وجعله يقول جملًا جديدة؛ يمكن لأدوات الدبلجة الاصطناعية نقل مقطع فيديو إلى لغة أخرى بشكل متناغم مع حركات الشفاه. تحمل كل من هذه القدرات القوية أيضًا مسؤولية أخلاقية وقانونية خطيرة. في هذه الوحدة، سنغطي كلاً من التقنية والحدود.
شروط. تحويل النص إلى كلام (TTS) هي تقنية تقوم بتحويل النص المكتوب إلى صوت اصطناعي. استنساخ الصوت هو إنشاء نموذج يقلد صوت شخص حقيقي من عينة صوتية. الدبلجة الاصطناعية هي ترجمة كلام مقطع فيديو إلى لغة أخرى ودبلجته بتلك اللغة، وغالبًا ما يجعله متوافقًا مع حركة الشفاه (مزامنة الشفاه). النبرة هي نمط التجويد، والضغط، وإيقاع الكلام - "العاطفة" في الجملة تأتي إلى حد كبير من النبرة. الفونيم هو أصغر وحدة صوتية في اللغة؛ غالبًا ما يتم حل مشاكل النطق على مستوى الصوت.
الصوت عبر النص إلى كلام
أصبحت أدوات تحويل النص إلى كلام طبيعية بشكل مدهش اليوم؛ لكن الحصول على تعليق صوتي "جيد" يتطلب توجيه السيارة بشكل صحيح. يؤدي لصق النص الخام وقول "اقرأ" إلى الحصول على نتيجة مسطحة وآلية. للحصول على تمثيل صوتي جيد، قم بالدليل: الشخصية الصوتية (العمر، الجنس، الدفء)، النغمة (الصادقة، الجادة، المتحمس)، الإيقاع (السرد البطيء أو الإعلان النشط)، الضغط (أي كلمة يجب أن تبرز)، التوقفات (التنفس، علامات الترقيم) والنطق (أسماء العلم، الاختصارات، الكلمات الأجنبية). تمنحك العديد من الأدوات هذا التحكم عن طريق إضافة علامات الترقيم والتعليمات القصيرة إلى النص، أو باستخدام علامات خاصة.
دورك: مساعد مخرج الصوت. النص: [نص السرد مدته 60 ثانية أدناه] التوجيه الصوتي: - الشخصية الصوتية: صوت أنثوي في الثلاثينيات من عمره، دافئ ومطمئن. - النغمة: هادئة، صادقة؛ ممنوع الصراخ التجاري. - الإيقاع: متوسط-بطيء؛ نفس قصير في نهاية كل جملة. - الضغط: يبرز قليلاً الكلمات "مجاني" و"30 يومًا". - النطق: "AiEdu" -> "ey-edu"؛ "%" -> "النسبة المئوية".المهمة: قم بإعداد النص المحدد وفقًا لهذه التعليمات (حدد مكان ظهور التركيز/الإيقاف المؤقت).
تأكد من الاستماع والتحقق من مخرجات TTS: من الشائع نطق الأسماء الصحيحة بشكل خاطئ، والضغوط الغريبة، والتوقف المؤقت غير الطبيعي. في اللغة التركية، الكلمات ذات الأصل الأجنبي، وخاصة الكلمات والمختصرات والأرقام تسبب مشاكل ("2024" -> "ألفان وأربعة وعشرون" أو "أربعة وعشرون"؟).
استنساخ الصوت: السلطة والمسؤولية
ينتج استنساخ الصوت نموذجًا يحاكي صوت الشخص من بضع دقائق من التسجيل. وله استخدامات مشروعة: لإكمال التعليق الصوتي بصوت مقدم العرض، بموافقته، في يوم مريض؛ الاستخدام المتسق "للهوية السليمة" المعتمدة للعلامة التجارية؛ لجعل صوت المرء يتحدث بلغات أخرى. لكن هذه السلطة على وجه التحديد هي التي ترسم الخط الأخلاقي الأكبر: إذ إن استنساخ واستخدام صوت شخص ما دون موافقته الصريحة يشكل انتهاكاً للحقوق الشخصية ويؤدي إلى المسؤولية القانونية في العديد من الأماكن. الصوت جزء من هوية الشخص؛ قد يؤدي التقليد إلى الاحتيال والتشهير والإضرار بالسمعة.
المبادئ الأساسية الواجب اتباعها في استنساخ الصوت:
المبدأ
التطبيق
موافقة صريحة
إذن كتابي من صاحب الصوت بنطاق محدد
وضوح النطاق
أين وإلى متى ولأي غرض سيتم استخدامه؟
الشفافية
عند الضرورة، المعلومات "هذا الصوت هو إنتاج اصطناعي"
استخدام محدود
عدم تجاوز الموافقة (مشروع جديد، منتج مختلف)
قابلية السحب
حق الفرد في سحب الموافقة
تحذير: يعد استنساخ صوت أحد المشاهير أو السياسيين أو أي شخص تعرفه دون موافقته وإنشاء محتوى - حتى بقصد أن يكون "مزحة" أو "تجربة" - انتهاكًا خطيرًا. لا يمكن التراجع عن نشر المحتوى المنتج خارج نطاق سيطرتك.
دبلجة متعددة اللغات
الدبلجة الاصطناعية هي أسرع طريقة لفتح مقطع فيديو إلى لغات مختلفة: تقوم الأداة بترجمة الكلام ودبلجته باللغة الهدف، وفي بعض الأحيان مزامنة حركات الشفاه. إنه أمر ثوري لمنشئي المحتوى الذين يرغبون في الوصول إلى جمهور عالمي. ولكنها واحدة من أكثر النقاط عرضة للخطر بسبب تداخل ثلاث طبقات منفصلة من الأخطاء: خطأ في الترجمة (المصطلح، المصطلح، السياق)، خطأ في التعبير (نغمة خاطئة، نطق) وخطأ في المزامنة (عدم تطابق الشفاه، عدم تطابق الوقت). لذلك، في الدبلجة متعددة اللغات، من الضروري للشخص الذي يعرف اللغة الهدف على المستوى الأصلي التحقق من الترجمة والدبلجة. لا يمكن حماية سلامة العلامة التجارية والمعنى والعاطفة إلا من خلال التحكم البشري.
ثلاث حالات صغيرة
الحالة 1 - تعليق صوتي سريع وأخلاقي. كان على فريق التعلم الإلكتروني تحديث سرد دورة مكونة من 40 مقطع فيديو؛ كان استدعاء الفنان مع كل تحديث مكلفًا. لقد أبرموا عقدًا مكتوبًا مع الفنان يحدد نطاق استنساخ صوته لهذه الدورة. فأخرجوا النص في دقائق بصوته وموافقته. حصل الفنان على أجره وحافظ على سيطرته. اكتسب الفريق الزخم.
الحالة 2 - فضيحة الاستنساخ غير التوافقي. قام أحد منشئي المحتوى باستنساخ صوت ممثل صوتي معروف من مقاطع الفيديو الخاصة به على YouTube واستخدمه في أحد الإعلانات. وتعرف الفنان على صوته، وبدأ الإجراءات القانونية، وتم الإبلاغ عن الحادث في الصحافة. لقد تضررت سمعة العلامة التجارية، وتمت إزالة المحتوى، وتم إدراج التعويض على جدول الأعمال. الدرس المستفاد: يعد الاستخدام الصوتي بدون موافقة كارثة أخلاقية وقانونية.
الحالة 3 - الدبلجة التي لم يتم التحقق منها. قامت إحدى القنوات بدبلجة مقاطع الفيديو الخاصة بها بشكل مصطنع إلى اللغة الإسبانية ولكن لم يتم التحقق منها مطلقًا. تمت ترجمة المصطلح الفني بشكل خاطئ وتم التركيز في التعليق الصوتي على عكس معنى الجملة. وأشار المشاهدون الإسبان إلى الخطأ في التعليقات، مما أدى إلى تضرر الثقة. وكانت الطريقة الصحيحة هي التحقق منها من قبل شخص يعرف اللغة الهدف.
موجه ضعيف / موجه قوي
حث ضعيف:
نطق هذا النص.
لا يوجد أي طابع صوتي أو نغمة أو إيقاع أو نطق. يصبح الإخراج مسطحًا وروبوتيًا.
مطالبة قوية:
دورك: مخرج الصوت. الغرض: 45 ثانية من السرد الترويجي للمنتج. الصوت: 35 سنة، صوت ذكر دافئ، مطمئن. لهجة: غنية بالمعلومات ولكن صادقة؛ لا مبالغة. الإيقاع: متوسط؛ تبطئ قليلا في الجمل الفنية. التأكيد: تسليط الضوء على الكلمات السعر والضمان. النطق: "ثلاثي الأبعاد" -> "ثلاثي الأبعاد"؛ اسم العلامة التجارية [BRAND] كما هو.الإخراج: نص التعليق الصوتي مع وضع علامة التأكيد والتوقف المؤقت. القيد: استخدام الموافقة/الصوت الاصطناعي فقط؛ انتحال شخصية شخص حقيقي.
الأخطاء الشائعة
- قراءة النص الخام دون توجيه. إذا لم يتم تحديد النغمة والإيقاع والتركيز، فسيبدو الصوت آليًا.
- استخدام مخرجات TTS دون الاستماع إليها. يعد الخطأ في النطق (الاسم الصحيح والرقم والاختصار) أمرًا شائعًا.
- استنساخ الصوت دون موافقة. الانتهاك الأخلاقي والقانوني؛ عذر "التجربة/النكتة" غير صالح.
- تجاوز نطاق الموافقة. يعد استخدام الإذن لمشروع في عمل آخر مخالفة.
- عدم التحقق من الدبلجة. تداخل خطأ في الترجمة + الدبلجة + المزامنة.
نصيحة: في تحويل النص إلى كلام (TTS)، اكتب الأرقام والاختصارات وأسماء الأعلام بشكل واضح في النص ("ثلاثون بالمائة"، "ثلاثي الأبعاد"، "ey-edu"). يمكنك تحديد النطق بدلاً من ترك الأمر للنموذج للتخمين.
في ملخص
تعمل الدبلجة الاصطناعية واستنساخ الصوت والدبلجة بشكل جذري على تسريع العمل الصوتي في إنتاج الفيديو وتمكين الوصول العالمي. للحصول على نتائج جيدة، قم بتوجيه تحويل النص إلى كلام (TTS) من خلال إرشادات النغمة والإيقاع والضغط والنطق وتأكد من الاستماع إلى الإخراج. إن استنساخ الصوت أمر قوي، ولكنه يرسم أوضح خط أخلاقي: لا يمكن استخدام صوت الشخص إلا بموافقة كتابية واضحة ومحددة النطاق؛ التقليد بدون موافقة يعتبر انتهاكا. نظرًا لأن أخطاء الترجمة والدبلجة والمزامنة سوف تتداخل في الدبلجة متعددة اللغات، فمن الضروري التحقق من قبل شخص يعرف اللغة الهدف. يولد صوت السيارة. الموافقة والدقة والمعنى هي مسؤوليتك.
مهمة التطبيق
كتابة نص روائي مدته 60 ثانية. قم بالتعبير عن ذلك باستخدام أداة تحويل النص إلى كلام (TTS)، مع إرشادات النغمة/الإيقاع/الضغط/النطق كما هو مذكور أعلاه. استمع إلى المخرجات وابحث عن ثلاثة أماكن تم نطقها بشكل خاطئ على الأقل وقم بتصحيحها (الرقم، الاسم الصحيح، الاختصار). ثم قم بصياغة "نموذج موافقة" بسيط لاستنساخ الصوت: صوت من، وأي عرض، ولأي مدة، ولأي استخدام، والحق في الانسحاب. لخص عملك.
قائمة مرجعية
- [ ] هل قمت بتوجيه النطق من خلال النغمة والإيقاع والضغط وإرشادات النطق؟
- [ ] هل استمعت إلى مخرجات TTS وقمت بتصحيح أي أخطاء في النطق/الرقم/الاختصار؟
- [ ] هل هناك موافقة كتابية واضحة ومحددة على الصوت الذي أستنسخه/أستخدمه؟
- [ ] هل تأكدت من أنني لم أتجاوز نطاق الموافقة (المكان، المدة، الغرض)؟
- [ ] هل قمت بالتحقق من مخرجات الدبلجة للترجمة/النغمة/المزامنة مع شخص يعرف اللغة الهدف؟