Добивки:
- Способност да се разберат алатките за претворање текст во говор (TTS), гласовно клонирање и вештачко синхронизирање (синхронизирање/синхронизација) и производство на нацрти за гласовно пренесување
- Постигнете природна вокализација со тон, темпо, стрес и инструкции за изговор и бидете во можност да планирате повеќејазична верзија
- Клонирањето на гласот на една личност бара согласност, авторски права и лични права; Разбирањето дека неодобрената имитација на глас е етичка и законска повреда
Аудиото е половина од видеото. Гледачот може да ја прости лошата слика; не простува лош звук. Во традиционалната продукција, синхронизацијата е скапа и бавна: да се најде изведувач за синхронизација, да се постави студио, да се снима и да се јави ако се случи грешка. Вештачката интелигенција ја промени оваа слика: алатките за текст во говор можат да претворат текст во природен глас за неколку минути; гласовното клонирање може да го „научи“ гласот на една личност и да ги натера да кажува нови реченици; Алатките за вештачко синхронизирање можат да пренесат видео на друг јазик во хармонија со движењата на усните. Секоја од овие моќни способности носи и сериозна етичка и правна одговорност. Во оваа единица, ќе ги покриеме и техниката и границата.
Услови. Текст во говор (TTS) е технологија која го претвора пишаниот текст во синтетички глас. Гласовното клонирање е создавање модел кој го имитира гласот на вистинска личност од примерок на глас. Вештачкото синхронизирање е преведување на говорот на видеото на друг јазик и негово синхронизирање на тој јазик, што често го прави компатибилен со движењето на усните (синхронизација на усните). Прозодијата е модел на интонација, стрес и ритам на говорот - „емоцијата“ на реченицата главно доаѓа од прозодијата. Фонема е најмалата единица на звук во еден јазик; Проблемите со изговорот често се решаваат на ниво на фонеми.
Глас преку текст во говор
TTS алатките се изненадувачки природни денес; но за да се добие „добар“ глас бара правилно насочување на возилото. Вметнувањето необработен текст и кажувањето „прочитај“ дава рамен и роботски резултат. За добро гласно дејствување, водич: гласовниот карактер (возраст, пол, топлина), тон (искрен, сериозен, возбуден), темпо (бавна нарација или енергично рекламирање), стрес (кој збор треба да се истакне), паузи (здив, интерпункција) и изговор (сопствени имиња, кратенки, странски зборови). Многу алатки ви ја даваат оваа контрола со додавање интерпункциски знаци и кратки инструкции во текстот или со користење на специјално обележување.
Вашата улога: помошник гласовен режисер. Текст: [наративен текст од 60 секунди подолу]Гласовна директива:- Гласовен лик: женски глас во нејзините 30-ти, топол и смирувачки.- Тон: мирен, искрен; НЕМА рекламирање.- Темпо: средно-бавно; краток здив на крајот од секоја реченица.- Стрес: малку ги истакнува зборовите „бесплатно“ и „30 дена“.- Изговор: „AiEdu“ -> „ey-edu“; "%" -> "percentage".Задача: Подгответе го текстот означен според оваа инструкција (наведете каде ќе се појавува акцентот/паузата).
Задолжително слушајте и проверете го излезот на TTS: погрешно изговараните соодветни имиња, чудните стресови и неприродните паузи се вообичаени. На турски, зборовите од странско потекло, особено зборовите, кратенките и бројките предизвикуваат проблеми („2024“ -> „две илјади и дваесет и четири“ или „дваесет и дваесет и четири“?).
Гласовно клонирање: моќ и одговорност
Клонирањето на гласот произведува модел кој имитира глас на личност од неколку минути снимање. Има легитимна употреба: да се заврши гласот со гласот на водителот, со негова или нејзина согласност, на болен ден; доследна употреба на одобрениот „здрав идентитет“ на брендот; да го натера сопствениот глас да зборува на други јазици. Но, токму оваа моќ ја повлекува најголемата етичка линија: клонирањето и користењето на гласот на една личност без негова или нејзина експлицитна согласност е кршење на личните права и на многу места предизвикува правна одговорност. Гласот е дел од идентитетот на една личност; Имитацијата може да доведе до измама, клевета и оштетување на угледот.
Основни принципи што треба да се следат при гласовното клонирање:
принцип
Апликација
Експлицитна согласност
Писмена дозвола од сопственикот на гласот со специфичен опсег
Јасност на опсегот
Каде, колку време и за каква цел ќе се користи?
транспарентност
Кога е потребно, информацијата „овој звук е вештачко производство“
ограничена употреба
Не оди подалеку од согласноста (нов проект, различен производ)
повлекување
Правото на поединецот да ја повлече согласноста
Внимание: Клонирањето на гласот на славна личност, политичар или некој што го познавате без нивна согласност и создавање содржина - дури и со намера да се биде „шега“ или „експеримент“ - е сериозно прекршување. Ширењето на произведената содржина надвор од ваша контрола не може да се врати.
Повеќејазично синхронизирање
Синтетичкото синхронизирање е најбрзиот начин за отворање видео на различни јазици: алатката го преведува говорот, го синхронизира на целниот јазик и понекогаш ги синхронизира движењата на усните. Тоа е револуционерно за креаторите на содржини кои сакаат да допрат до глобална публика. Но, таа е една од најранливите точки бидејќи три одделни слоеви на грешка се преклопуваат: грешка во преводот (идиом, термин, контекст), грешка во изразувањето (погрешен тон, изговор) и грешка во синхронизацијата (несовпаѓање на усни, несовпаѓање на времето). Затоа, во повеќејазичното синхронизирање, потребно е лице кое го знае целниот јазик на мајчин ниво да го верификува и преводот и синхронизацијата. Интегритетот на брендот, значењето и емоциите можат да бидат заштитени само со човечка контрола.
три мини футроли
Случај 1 - Брзо и етички глас. Тим за е-учење мораше да го ажурира наративот на курсот од 40 видео; Потсетувањето на уметникот со секое ажурирање беше скапо. Тие склучија писмен договор со уметникот во кој беше наведен опсегот на неговиот/нејзиниот глас што се клонира за овој курс. Така тие направија промени во текстот за неколку минути, со неговиот глас и неговото одобрување. Уметникот и го добил својот хонорар и ја задржал контролата; Тимот доби на интензитет.
Случај 2 - Неконсензуален скандал со клонови. Креатор на содржина клонираше глас на добро познат гласовен актер од неговите видеа на YouTube и го искористи во реклама. Уметникот го препозна неговиот глас, започна правен процес и инцидентот беше објавен во печатот. Угледот на брендот беше нарушен, содржината беше отстранета, а компензацијата беше ставена на дневен ред. Поука: неконсензуалното користење на аудио е и етичка и правна катастрофа.
Случај 3 — Непроверено синхронизирање. Еден канал вештачки ги синхронизираше своите видеа на шпански, но никогаш не ги провери. Технички термин беше погрешно преведен и гласот стави акцент што го смени значењето на реченицата. Шпанските гледачи ја истакнаа грешката во коментарите, довербата беше нарушена. Вистинскиот начин беше да го потврди некој што го знае целниот јазик.
Слаб промпт / Силен промпт
Слаба навестување:
Кажете го овој текст.
Нема вокален карактер, тон, темпо или изговор. Излезот станува рамен и роботизиран.
Моќен потсетник:
Вашата улога: директор со глас. Цел: 45 секунди нарација за промоција на производот. Глас: 35 години, топол машки глас, смирувачки. Тон: информативен, но искрен; без претерување. Темпо: средно; малку забави во техничките реченици. Акцент: означете ги зборовите цена и гаранција. Изговор: „3D“ -> „три-димензионален“; име на брендот [BRAND] како што е. имитирање на вистинска личност.
Вообичаени грешки
- Читање на необработениот текст без насоки. Ако не се даде тон, темпо и акцент, гласот ќе звучи роботски.
- Користење на излезот TTS без да го слушате. Погрешен изговор (сопствено име, број, кратенка) е вообичаен.
- Гласовно клонирање без согласност. Етичка и законска повреда; Изговорот „експеримент/шега“ не е валиден.
- Надминување на опсегот на согласност. Прекршување е да се користи дозвола за проект во друго дело.
- Не се потврдува синхронизацијата. Преклопување на превод + синхронизација + грешка во синхронизацијата.
Совет: Во TTS, јасно пишувајте ги броевите, кратенките и соодветните имиња во текстот („триесет проценти“, „тродимензионални“, „ey-edu“). Вие го одредувате изговорот наместо да му препуштите на моделот да погоди.
Сумирано
Синтетичкото синхронизирање, гласовното клонирање и синхронизирањето радикално ја забрзуваат аудио работата во видео продукцијата и овозможуваат глобален дофат. За добри резултати, водете го TTS со упатства за тон, темпо, стрес и изговор и задолжително слушајте го излезот. Клонирањето на гласот е моќно, но ја повлекува најјасната етичка линија: гласот на една личност може да се користи само со јасна, писмена согласност со обем; Имитирањето без согласност е прекршување. Бидејќи грешките во преводот, синхронизацијата и синхронизацијата ќе се преклопуваат во повеќејазичното синхронизирање, верификацијата од лице кое го знае целниот јазик е од суштинско значење. Генерира звук на возилото; Согласноста, точноста и значењето се ваша одговорност.
Задача за апликација
Напишете наративен текст од 60 секунди. Изразете го ова со алатката TTS, со упатства за тон/темпо/стрес/изговор како погоре. Слушајте го резултатот и пронајдете и поправете најмалку три погрешно изговорени места (број, соодветно име, кратенка). Потоа изгответе едноставен „образец за согласност“ за гласовно клонирање: чиј глас, кој проект, за кое времетраење, за каква употреба, право да се повлече. Сумирајте ја вашата работа.
листа за проверка
- [ ] Дали ја водев вокализацијата со упатства за тон, темпо, стрес и изговор?
- [ ] Дали сум го слушал излезот на TTS и сум ги исправил сите грешки во изговорот/бројот/кратеницата?
- [ ] Дали постои јасна и конкретна писмена согласност за гласот што го клонирам/користам?
- [ ] Дали се уверив дека не го надминав опсегот на согласност (место, времетраење, цел)?
- [ ] Дали го потврдив излезот од синхронизацијата за превод/тон/синхронизација со некој што го знае целниот јазик?