Ieguvumi:
- Spēja saprast teksta pārvēršanas runā (TTS), balss klonēšanas un mākslīgās dublēšanas (dublēšanas/lūpu sinhronizācijas) rīkus un izveidot balss pārraižu melnrakstus
- Sasniedziet dabisku vokalizāciju ar toņa, tempa, uzsvēruma un izrunas norādījumiem un protiet plānot daudzvalodu versiju
- Personas balss klonēšanai nepieciešama piekrišana, autortiesības un personiskās tiesības; Izpratne par to, ka neapstiprināta balss atdarināšana ir ētisks un juridisks pārkāpums
Audio ir puse no video. Skatītājs var piedot slikto tēlu; nepiedod sliktu skaņu. Tradicionālajā producēšanā dublēšana ir dārga un lēna: atrast dublējošo mākslinieku, izveidot studiju, ierakstīt un atzvanīt, ja rodas kļūda. Mākslīgais intelekts ir mainījis šo attēlu: teksta pārveides runā rīki var pārvērst tekstu dabiskā balsī dažu minūšu laikā; balss klonēšana var "iemācīties" cilvēka balsi un likt viņam teikt jaunus teikumus; Mākslīgās dublēšanas rīki var pārsūtīt videoklipu citā valodā saskaņā ar lūpu kustībām. Katra no šīm spēcīgajām spējām nes arī nopietnu ētisku un juridisku atbildību. Šajā nodaļā mēs apskatīsim gan tehniku, gan apmali.
Noteikumi. Teksta pārveide runā (TTS) ir tehnoloģija, kas pārvērš rakstīto tekstu sintētiskā balsī. Balss klonēšana ir tāda modeļa izveide, kas no balss parauga atdarina reālas personas balsi. Mākslīgā dublēšana ir videoklipa runas tulkošana citā valodā un dublēšana šajā valodā, bieži padarot to saderīgu ar lūpu kustību (lūpu sinhronizācija). Prozodija ir intonācijas, stresa un runas ritma modelis — teikuma “emocijas” lielākoties nāk no prozodijas. Fonēma ir mazākā skaņas vienība valodā; Izrunas problēmas bieži tiek atrisinātas fonēmas līmenī.
Balss pārsūtīšana uz runu
TTS rīki mūsdienās ir pārsteidzoši dabiski; bet, lai iegūtu "labu" balss pārraidi, ir nepieciešams pareizi vadīt transportlīdzekli. Ielīmējot neapstrādātu tekstu un sakot "lasīt", tiek iegūts plakans un robotizēts rezultāts. Labai balss aktiermākslai ceļvedis: balss raksturs (vecums, dzimums, siltums), tonis (sirsnīgs, nopietns, sajūsmināts), temps (lēns stāstījums vai enerģiska reklāma), stress (kuram vārdam jāizceļas), pauzes (elpa, pieturzīmes) un izruna (īpašvārdi, saīsinājumi, svešvārdi). Daudzi rīki nodrošina šo kontroli, tekstam pievienojot pieturzīmes un īsus norādījumus vai izmantojot īpašus marķējumus.
Jūsu loma: balss režisora palīgs.Teksts: [60 sekunžu stāstījuma teksts zemāk]Balss norādījumi:- Balss raksturs: sievietes balss 30 gadu vecumā, silta un pārliecinoša.- Tonis: mierīgs, sirsnīgs; BEZ komerciālas kliegšanas.- Temps: vidēji lēns; īsa elpa katra teikuma beigās.- Stress: nedaudz izceļ vārdus "bezmaksas" un "30 dienas".- Izruna: "AiEdu" -> "ey-edu"; "%" -> "procenti".Uzdevums: Sagatavojiet tekstu, kas atzīmēts saskaņā ar šo instrukciju (norādiet, kur tiks parādīts uzsvars/pauze).
Noteikti klausieties un pārbaudiet TTS izvadi: bieži sastopami nepareizi izrunāti īpašvārdi, dīvaini uzsvērumi un nedabiskas pauzes. Turku valodā problēmas rada svešas izcelsmes vārdi, īpaši vārdi, saīsinājumi un skaitļi ("2024" -> "divi tūkstoši divdesmit četri" vai "divdesmit divdesmit četri"?).
Balss klonēšana: spēks un atbildība
Balss klonēšana rada modeli, kas pēc dažu minūšu ierakstīšanas atdarina cilvēka balsi. Tam ir likumīgs lietojums: lai pabeigtu balss pārraidi ar vadītāja balsi, ar viņa vai viņas piekrišanu slimības dienā; konsekventa zīmola apstiprinātas "skaņas identitātes" izmantošana; likt savai balsij runāt citās valodās. Taču tieši šī vara novelk lielāko ētisko robežu: cilvēka balss klonēšana un izmantošana bez viņa nepārprotamas piekrišanas ir personas tiesību pārkāpums un daudzviet rada juridisku atbildību. Balss ir daļa no personas identitātes; Imitācija var izraisīt krāpšanu, neslavas celšanu un kaitējumu reputācijai.
Pamatprincipi, kas jāievēro balss klonēšanā:
principu
Pieteikums
Skaidra piekrišana
Balss īpašnieka rakstiska atļauja ar noteiktu darbības jomu
Darbības jomas skaidrība
Kur, cik ilgi un kādam nolūkam to izmantos?
caurspīdīgums
Ja nepieciešams, informācija "šī skaņa ir mākslīga ražošana"
ierobežota izmantošana
Nepārsniedzot piekrišanu (jauns projekts, cits produkts)
ievelkamība
Personas tiesības atsaukt piekrišanu
Uzmanību! Slavenības, politiķa vai jums pazīstamas personas balss klonēšana bez viņu piekrišanas un satura radīšana — pat ar nolūku būt “joks” vai “eksperiments” – ir nopietns pārkāpums. Ražotā satura izplatīšanu, ko jūs nevarat kontrolēt, nevar atsaukt.
Daudzvalodu dublēšana
Sintētiskā dublēšana ir ātrākais veids, kā atvērt videoklipu dažādās valodās: rīks tulko runu, dublē to mērķa valodā un dažreiz sinhronizē lūpu kustības. Tas ir revolucionārs satura veidotājiem, kuri vēlas sasniegt globālu auditoriju. Bet tas ir viens no visneaizsargātākajiem punktiem, jo pārklājas trīs atsevišķi kļūdu slāņi: tulkošanas kļūda (idioma, termins, konteksts), balss kļūda (nepareizs tonis, izruna) un sinhronizācijas kļūda (lūpu neatbilstība, laika neatbilstība). Tāpēc daudzvalodu dublēšanā cilvēkam, kurš zina mērķa valodu dzimtajā līmenī, ir jāpārbauda gan tulkojums, gan dublējums. Zīmola integritāti, nozīmi un emocijas var aizsargāt tikai cilvēka kontrole.
trīs mini futrāļi
1. gadījums — ātra un ētiska balss pārraide. E-apmācības komandai bija jāatjaunina 40 video kursa stāstījums; Mākslinieka atsaukšana ar katru atjauninājumu bija dārga. Viņi noslēdza rakstisku līgumu ar mākslinieku, kurā bija norādīts viņa/viņas balss klonēšanas apjoms šim kursam. Tāpēc viņi ar viņa balsi un apstiprinājumu veica teksta izmaiņas dažu minūšu laikā. Mākslinieks gan saņēma honorāru, gan saglabāja kontroli; Komanda uzņēma apgriezienus.
2. gadījums — nevienprātīgu klonu skandāls. Kāds satura veidotājs no saviem YouTube videoklipiem klonēja labi zināma balss aktiera balsi un izmantoja to reklāmā. Mākslinieks atpazina viņa balsi, uzsāka tiesvedību un par notikušo tika ziņots presē. Zīmola reputācija tika iedragāta, saturs tika noņemts, un darba kārtībā tika iekļauta kompensācija. Mācība: audio izmantošana bez piekrišanas ir gan ētiska, gan juridiska katastrofa.
3. gadījums — nepārbaudīta dublēšana. Viens kanāls savus videoklipus mākslīgi pārdēvēja spāņu valodā, taču tie nekad netika pārbaudīti. Tehnisks termins tika nepareizi tulkots, un balss pārraidē tika likts uzsvars, kas mainīja teikuma nozīmi. Spāņu skatītāji komentāros norādīja uz kļūdu, tika iedragāta uzticība. Pareizais veids bija likt to pārbaudīt kādam, kurš zina mērķa valodu.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Izrunājiet šo tekstu.
Nav vokāla rakstura, toņa, tempa vai izrunas. Izvade kļūst plakana un robotizēta.
Spēcīga uzvedne:
Jūsu loma: balss pārraides režisors. Mērķis: 45 sekundes produkta reklāmas stāstījums. Balss: 35 gadi, silta vīrieša balss, pārliecinoša. Tonis: informatīvs, bet sirsnīgs; bez pārspīlējumiem. Temps: vidējs; nedaudz palēnināt tehniskos teikumos. Uzsvars: izceliet vārdus cena un garantija. Izruna: "3D" -> "trīsdimensiju"; zīmola nosaukums [BRAND] tāds, kāds ir.Izvade: balss teksts ar uzsvaru un atzīmētām pauzēm.Ierobežojums: izmantojiet tikai piekrišanu/sintētisko balsi; uzdodoties par īstu personu.
Biežas kļūdas
- Neapstrādātā teksta lasīšana bez norādījumiem. Ja nav dots tonis, temps un uzsvars, balss skanēs robotiski.
- Izmantojot TTS izvadi, to neklausoties. Nepareiza izruna (īstais nosaukums, numurs, saīsinājums) ir izplatīta.
- Balss klonēšana bez piekrišanas. Ētisks un juridisks pārkāpums; Aizbildinājums "eksperiments/joks" nav derīgs.
- Piekrišanas apjoma pārsniegšana. Pārkāpums ir projekta atļaujas izmantošana citā darbā.
- Dublēšana netiek pārbaudīta. Tulkošanas + dublēšana + sinhronizācijas kļūda pārklājas.
Padoms. TTS tekstā skaidri ierakstiet ciparus, saīsinājumus un īpašvārdus ("trīsdesmit procenti", "trīsdimensiju", "ey-edu"). Jūs nosakāt izrunu, nevis atstājat to uzminēt modelim.
Rezumējot
Sintētiskā dublēšana, balss klonēšana un dublēšana radikāli paātrina audio darbu video veidošanā un nodrošina globālu sasniedzamību. Lai sasniegtu labus rezultātus, vadiet TTS ar toņa, tempa, stresa un izrunas vadlīnijām un noteikti klausieties izvadi. Balss klonēšana ir spēcīga, taču tā novelk skaidrāko ētisko līniju: cilvēka balsi var izmantot tikai ar skaidru, tvērīgu, rakstisku piekrišanu; Atdarināšana bez piekrišanas ir pārkāpums. Tā kā tulkošanas, dublēšanas un sinhronizācijas kļūdas daudzvalodu dublēšanā pārklājas, ir ļoti svarīgi, lai persona, kas zina mērķa valodu, ir jāpārbauda. Rada transportlīdzekļa skaņu; Piekrišana, precizitāte un jēga ir jūsu atbildība.
Lietojumprogrammas uzdevums
Uzrakstiet 60 sekunžu stāstījuma tekstu. Izsakiet to, izmantojot TTS rīku, izmantojot toņa / tempa / stresa / izrunas vadlīnijas, kā norādīts iepriekš. Klausieties izvadi un atrodiet un izlabojiet vismaz trīs nepareizi izrunātas vietas (skaitlis, īpašvārds, saīsinājums). Pēc tam izveidojiet vienkāršu “piekrišanas veidlapu” balss klonēšanai: kura balss, kurš projekts, uz kādu laiku, kādam nolūkam, tiesības atsaukt. Apkopojiet savu darbu.
kontrolsaraksts
- [ ] Vai esmu vadījis vokalizāciju ar toni, tempu, uzsvaru un izrunu?
- [ ] Vai esmu noklausījies TTS izvadi un izlabojis izrunas/skaitļa/saīsinājuma kļūdas?
- [ ] Vai ir skaidra un konkrēta rakstiska piekrišana balsij, kuru klonēju/izmantoju?
- [ ] Vai esmu pārliecinājies, ka neesmu pārkāpis piekrišanas apjomu (vieta, ilgums, mērķis)?
- [ ] Vai esmu pārbaudījis dublēšanas izvadi tulkošanai/tonis/sinhronizācijai ar kādu, kurš zina mērķa valodu?