ਲਾਭ:
- ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ (TTS), ਵੌਇਸ ਕਲੋਨਿੰਗ ਅਤੇ ਨਕਲੀ ਡਬਿੰਗ (ਡਬਿੰਗ/ਲਿਪ-ਸਿੰਕ) ਟੂਲਸ ਨੂੰ ਸਮਝਣ ਅਤੇ ਵੌਇਸ-ਓਵਰ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਟੋਨ, ਟੈਂਪੋ, ਤਣਾਅ ਅਤੇ ਉਚਾਰਨ ਨਿਰਦੇਸ਼ਾਂ ਦੇ ਨਾਲ ਇੱਕ ਕੁਦਰਤੀ ਵੋਕਲਾਈਜ਼ੇਸ਼ਨ ਪ੍ਰਾਪਤ ਕਰੋ ਅਤੇ ਇੱਕ ਬਹੁ-ਭਾਸ਼ਾਈ ਸੰਸਕਰਣ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋਵੋ
- ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਆਵਾਜ਼ ਨੂੰ ਕਲੋਨ ਕਰਨ ਲਈ ਸਹਿਮਤੀ, ਕਾਪੀਰਾਈਟ ਅਤੇ ਨਿੱਜੀ ਅਧਿਕਾਰਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਇਹ ਸਮਝਣਾ ਕਿ ਗੈਰ-ਪ੍ਰਵਾਨਿਤ ਆਵਾਜ਼ ਦੀ ਨਕਲ ਇੱਕ ਨੈਤਿਕ ਅਤੇ ਕਾਨੂੰਨੀ ਉਲੰਘਣਾ ਹੈ
ਆਡੀਓ ਅੱਧਾ ਵੀਡੀਓ ਹੈ। ਦਰਸ਼ਕ ਮਾੜੇ ਚਿੱਤਰ ਨੂੰ ਮਾਫ਼ ਕਰ ਸਕਦਾ ਹੈ; ਮਾੜੀ ਆਵਾਜ਼ ਨੂੰ ਮਾਫ਼ ਨਹੀਂ ਕਰਦਾ। ਰਵਾਇਤੀ ਉਤਪਾਦਨ ਵਿੱਚ, ਡਬਿੰਗ ਮਹਿੰਗਾ ਅਤੇ ਹੌਲੀ ਹੈ: ਇੱਕ ਡਬਿੰਗ ਕਲਾਕਾਰ ਨੂੰ ਲੱਭਣਾ, ਇੱਕ ਸਟੂਡੀਓ ਸਥਾਪਤ ਕਰਨਾ, ਰਿਕਾਰਡਿੰਗ ਕਰਨਾ, ਅਤੇ ਜੇਕਰ ਕੋਈ ਗਲਤੀ ਹੁੰਦੀ ਹੈ ਤਾਂ ਵਾਪਸ ਕਾਲ ਕਰਨਾ। ਨਕਲੀ ਬੁੱਧੀ ਨੇ ਇਸ ਤਸਵੀਰ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਹੈ: ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਟੂਲ ਇੱਕ ਟੈਕਸਟ ਨੂੰ ਮਿੰਟਾਂ ਵਿੱਚ ਕੁਦਰਤੀ ਆਵਾਜ਼ ਵਿੱਚ ਬਦਲ ਸਕਦੇ ਹਨ; ਵੌਇਸ ਕਲੋਨਿੰਗ ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਆਵਾਜ਼ "ਸਿੱਖ" ਸਕਦੀ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਨਵੇਂ ਵਾਕ ਬੋਲ ਸਕਦੀ ਹੈ; ਨਕਲੀ ਡਬਿੰਗ ਟੂਲ ਬੁੱਲ੍ਹਾਂ ਦੀ ਹਿਲਜੁਲ ਦੇ ਨਾਲ ਇਕਸੁਰਤਾ ਵਿੱਚ ਵੀਡੀਓ ਨੂੰ ਦੂਜੀ ਭਾਸ਼ਾ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕਰ ਸਕਦੇ ਹਨ। ਇਹਨਾਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਯੋਗਤਾਵਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਗੰਭੀਰ ਨੈਤਿਕ ਅਤੇ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਵੀ ਨਿਭਾਉਂਦੀ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਤਕਨੀਕ ਅਤੇ ਬਾਰਡਰ ਦੋਵਾਂ ਨੂੰ ਕਵਰ ਕਰਾਂਗੇ।
ਸ਼ਰਤਾਂ। ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ (TTS) ਇੱਕ ਤਕਨੀਕ ਹੈ ਜੋ ਲਿਖਤੀ ਟੈਕਸਟ ਨੂੰ ਸਿੰਥੈਟਿਕ ਆਵਾਜ਼ ਵਿੱਚ ਬਦਲਦੀ ਹੈ। ਵੌਇਸ ਕਲੋਨਿੰਗ ਇੱਕ ਅਜਿਹਾ ਮਾਡਲ ਤਿਆਰ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਇੱਕ ਵਾਇਸ ਨਮੂਨੇ ਤੋਂ ਇੱਕ ਅਸਲੀ ਵਿਅਕਤੀ ਦੀ ਆਵਾਜ਼ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ। ਨਕਲੀ ਡਬਿੰਗ ਇੱਕ ਵੀਡੀਓ ਦੇ ਭਾਸ਼ਣ ਨੂੰ ਦੂਜੀ ਭਾਸ਼ਾ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨਾ ਅਤੇ ਉਸਨੂੰ ਉਸ ਭਾਸ਼ਾ ਵਿੱਚ ਡਬ ਕਰਨਾ ਹੈ, ਅਕਸਰ ਇਸਨੂੰ ਬੁੱਲ੍ਹਾਂ ਦੀ ਗਤੀ (ਲਿਪ-ਸਿੰਕ) ਦੇ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ। ਪ੍ਰੋਸੋਡੀ ਧੁਨ, ਤਣਾਅ ਅਤੇ ਬੋਲਣ ਦੀ ਤਾਲ ਦਾ ਨਮੂਨਾ ਹੈ - ਵਾਕ ਦਾ "ਭਾਵਨਾ" ਮੁੱਖ ਤੌਰ 'ਤੇ ਪ੍ਰੋਸੋਡੀ ਤੋਂ ਆਉਂਦਾ ਹੈ। ਇੱਕ ਧੁਨੀ ਭਾਸ਼ਾ ਵਿੱਚ ਆਵਾਜ਼ ਦੀ ਸਭ ਤੋਂ ਛੋਟੀ ਇਕਾਈ ਹੁੰਦੀ ਹੈ; ਉਚਾਰਨ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਅਕਸਰ ਧੁਨੀ ਪੱਧਰ 'ਤੇ ਹੱਲ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।
ਵਾਇਸ ਓਵਰ ਟੈਕਸਟ ਤੋਂ ਸਪੀਚ
TTS ਸੰਦ ਅੱਜ ਹੈਰਾਨੀਜਨਕ ਕੁਦਰਤੀ ਹਨ; ਪਰ ਇੱਕ "ਚੰਗਾ" ਵੌਇਸਓਵਰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਵਾਹਨ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਨਿਰਦੇਸ਼ਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਕੱਚਾ ਟੈਕਸਟ ਪੇਸਟ ਕਰਨਾ ਅਤੇ "ਪੜ੍ਹੋ" ਕਹਿਣਾ ਇੱਕ ਫਲੈਟ ਅਤੇ ਰੋਬੋਟਿਕ ਨਤੀਜਾ ਦਿੰਦਾ ਹੈ। ਚੰਗੀ ਅਵਾਜ਼ ਅਦਾਕਾਰੀ ਲਈ, ਗਾਈਡ: ਆਵਾਜ਼ ਦਾ ਪਾਤਰ (ਉਮਰ, ਲਿੰਗ, ਨਿੱਘ), ਟੋਨ (ਇਮਾਨਦਾਰ, ਗੰਭੀਰ, ਉਤੇਜਿਤ), ਟੈਂਪੋ (ਹੌਲੀ ਬਿਆਨ ਜਾਂ ਊਰਜਾਵਾਨ ਵਿਗਿਆਪਨ), ਤਣਾਅ (ਕਿਹੜਾ ਸ਼ਬਦ ਵੱਖਰਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ), ਵਿਰਾਮ (ਸਾਹ, ਵਿਰਾਮ ਚਿੰਨ੍ਹ) ਅਤੇ ਉਚਾਰਨ (ਸਹੀ ਨਾਮ, ਸੰਖੇਪ, ਵਿਦੇਸ਼ੀ ਸ਼ਬਦ)। ਬਹੁਤ ਸਾਰੇ ਟੂਲ ਤੁਹਾਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਵਿਰਾਮ ਚਿੰਨ੍ਹ ਅਤੇ ਛੋਟੀਆਂ ਹਦਾਇਤਾਂ ਜੋੜ ਕੇ, ਜਾਂ ਵਿਸ਼ੇਸ਼ ਮਾਰਕਅੱਪ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਹ ਨਿਯੰਤਰਣ ਦਿੰਦੇ ਹਨ।
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸਹਾਇਕ ਆਵਾਜ਼ ਨਿਰਦੇਸ਼ਕ। ਟੈਕਸਟ: [60-ਸਕਿੰਟ ਦਾ ਵਰਣਨ ਟੈਕਸਟ ਹੇਠਾਂ] ਆਵਾਜ਼ ਨਿਰਦੇਸ਼ਕ:- ਆਵਾਜ਼ ਦਾ ਪਾਤਰ: 30 ਸਾਲਾਂ ਦੀ ਔਰਤ ਦੀ ਆਵਾਜ਼, ਨਿੱਘੀ ਅਤੇ ਹੌਂਸਲਾ ਦੇਣ ਵਾਲੀ।- ਟੋਨ: ਸ਼ਾਂਤ, ਸੁਹਿਰਦ; ਕੋਈ ਵਪਾਰਕ ਰੌਲਾ ਨਹੀਂ।- ਟੈਂਪੋ: ਮੱਧਮ-ਹੌਲੀ; ਹਰੇਕ ਵਾਕ ਦੇ ਅੰਤ ਵਿੱਚ ਛੋਟਾ ਸਾਹ।- ਤਣਾਅ: "ਮੁਫ਼ਤ" ਅਤੇ "30 ਦਿਨ" ਸ਼ਬਦਾਂ ਨੂੰ ਥੋੜ੍ਹਾ ਉਜਾਗਰ ਕਰਦਾ ਹੈ।- ਉਚਾਰਨ: "AiEdu" -> "ey-edu"; "%" -> "ਪ੍ਰਤੀਸ਼ਤ"। ਟਾਸਕ: ਇਸ ਹਦਾਇਤ ਦੇ ਅਨੁਸਾਰ ਚਿੰਨ੍ਹਿਤ ਟੈਕਸਟ ਨੂੰ ਤਿਆਰ ਕਰੋ (ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਜ਼ੋਰ/ਵਿਰਾਮ ਕਿੱਥੇ ਦਿਖਾਈ ਦੇਵੇਗਾ)।
TTS ਆਉਟਪੁੱਟ ਨੂੰ ਸੁਣਨਾ ਅਤੇ ਜਾਂਚਣਾ ਯਕੀਨੀ ਬਣਾਓ: ਸਹੀ ਨਾਮਾਂ ਦਾ ਗਲਤ ਉਚਾਰਨ, ਅਜੀਬ ਤਣਾਅ, ਅਤੇ ਗੈਰ-ਕੁਦਰਤੀ ਵਿਰਾਮ ਆਮ ਹਨ। ਤੁਰਕੀ ਵਿੱਚ, ਵਿਦੇਸ਼ੀ ਮੂਲ ਦੇ ਸ਼ਬਦ, ਖਾਸ ਤੌਰ 'ਤੇ ਸ਼ਬਦ, ਸੰਖੇਪ ਅਤੇ ਸੰਖਿਆਵਾਂ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ ("2024" -> "ਦੋ ਹਜ਼ਾਰ ਅਤੇ ਚੌਵੀ" ਜਾਂ "ਚੱਬੀ-ਚੌਵੀ"?)।
ਵੌਇਸ ਕਲੋਨਿੰਗ: ਸ਼ਕਤੀ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ
ਵੌਇਸ ਕਲੋਨਿੰਗ ਇੱਕ ਮਾਡਲ ਤਿਆਰ ਕਰਦੀ ਹੈ ਜੋ ਰਿਕਾਰਡਿੰਗ ਦੇ ਕੁਝ ਮਿੰਟਾਂ ਤੋਂ ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਆਵਾਜ਼ ਦੀ ਨਕਲ ਕਰਦੀ ਹੈ। ਇਸ ਦੇ ਜਾਇਜ਼ ਉਪਯੋਗ ਹਨ: ਕਿਸੇ ਪੇਸ਼ਕਾਰ ਦੀ ਆਵਾਜ਼ ਨਾਲ, ਉਸ ਦੀ ਸਹਿਮਤੀ ਨਾਲ, ਬਿਮਾਰ ਦਿਨ 'ਤੇ ਵੌਇਸਓਵਰ ਨੂੰ ਪੂਰਾ ਕਰਨਾ; ਬ੍ਰਾਂਡ ਦੀ ਮਨਜ਼ੂਰਸ਼ੁਦਾ "ਧੁਨੀ ਪਛਾਣ" ਦੀ ਨਿਰੰਤਰ ਵਰਤੋਂ; ਆਪਣੀ ਆਵਾਜ਼ ਨੂੰ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਬੋਲਣ ਲਈ। ਪਰ ਇਹ ਬਿਲਕੁਲ ਇਹ ਸ਼ਕਤੀ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵੱਡੀ ਨੈਤਿਕ ਲਾਈਨ ਖਿੱਚਦੀ ਹੈ: ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਸਪੱਸ਼ਟ ਸਹਿਮਤੀ ਤੋਂ ਬਿਨਾਂ ਉਸ ਦੀ ਆਵਾਜ਼ ਨੂੰ ਕਲੋਨ ਕਰਨਾ ਅਤੇ ਉਸ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਨਿੱਜੀ ਅਧਿਕਾਰਾਂ ਦੀ ਉਲੰਘਣਾ ਹੈ ਅਤੇ ਕਈ ਥਾਵਾਂ 'ਤੇ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨੂੰ ਜਨਮ ਦਿੰਦੀ ਹੈ। ਆਵਾਜ਼ ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਪਛਾਣ ਦਾ ਹਿੱਸਾ ਹੈ; ਨਕਲ ਧੋਖਾਧੜੀ, ਬਦਨਾਮੀ ਅਤੇ ਸਾਖ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾ ਸਕਦੀ ਹੈ।
ਵੌਇਸ ਕਲੋਨਿੰਗ ਵਿੱਚ ਪਾਲਣ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਬੁਨਿਆਦੀ ਸਿਧਾਂਤ:
ਸਿਧਾਂਤ
ਐਪਲੀਕੇਸ਼ਨ
ਸਪੱਸ਼ਟ ਸਹਿਮਤੀ
ਇੱਕ ਖਾਸ ਸਕੋਪ ਦੇ ਨਾਲ ਆਵਾਜ਼ ਦੇ ਮਾਲਕ ਤੋਂ ਲਿਖਤੀ ਇਜਾਜ਼ਤ
ਸਕੋਪ ਸਪਸ਼ਟਤਾ
ਕਿੱਥੇ, ਕਿੰਨੇ ਸਮੇਂ ਲਈ ਅਤੇ ਕਿਸ ਮਕਸਦ ਲਈ ਵਰਤਿਆ ਜਾਵੇਗਾ?
ਪਾਰਦਰਸ਼ਤਾ
ਜਦੋਂ ਲੋੜ ਹੋਵੇ, ਜਾਣਕਾਰੀ "ਇਹ ਆਵਾਜ਼ ਨਕਲੀ ਉਤਪਾਦਨ ਹੈ"
ਸੀਮਤ ਵਰਤੋਂ
ਸਹਿਮਤੀ ਤੋਂ ਪਰੇ ਨਹੀਂ ਜਾਣਾ (ਨਵਾਂ ਪ੍ਰੋਜੈਕਟ, ਵੱਖਰਾ ਉਤਪਾਦ)
ਵਾਪਸ ਲੈਣ ਦੀ ਸਮਰੱਥਾ
ਵਿਅਕਤੀ ਦਾ ਸਹਿਮਤੀ ਵਾਪਸ ਲੈਣ ਦਾ ਅਧਿਕਾਰ
ਸਾਵਧਾਨ: ਕਿਸੇ ਮਸ਼ਹੂਰ ਹਸਤੀ, ਰਾਜਨੇਤਾ, ਜਾਂ ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਦੀ ਆਵਾਜ਼ ਨੂੰ ਕਲੋਨ ਕਰਨਾ ਜਿਸਨੂੰ ਤੁਸੀਂ ਜਾਣਦੇ ਹੋ ਉਹਨਾਂ ਦੀ ਸਹਿਮਤੀ ਤੋਂ ਬਿਨਾਂ ਅਤੇ ਸਮੱਗਰੀ ਬਣਾਉਣਾ — ਇੱਥੋਂ ਤੱਕ ਕਿ "ਮਜ਼ਾਕ" ਜਾਂ "ਪ੍ਰਯੋਗ" ਹੋਣ ਦੇ ਇਰਾਦੇ ਨਾਲ ਵੀ - ਇੱਕ ਗੰਭੀਰ ਉਲੰਘਣਾ ਹੈ। ਤੁਹਾਡੇ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਪੈਦਾ ਕੀਤੀ ਸਮੱਗਰੀ ਦੇ ਪ੍ਰਸਾਰ ਨੂੰ ਵਾਪਸ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ।
ਬਹੁ-ਭਾਸ਼ਾਈ ਡਬਿੰਗ
ਸਿੰਥੈਟਿਕ ਡਬਿੰਗ ਇੱਕ ਵੀਡੀਓ ਨੂੰ ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਖੋਲ੍ਹਣ ਦਾ ਸਭ ਤੋਂ ਤੇਜ਼ ਤਰੀਕਾ ਹੈ: ਇਹ ਟੂਲ ਭਾਸ਼ਣ ਦਾ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ, ਇਸਨੂੰ ਨਿਸ਼ਾਨਾ ਭਾਸ਼ਾ ਵਿੱਚ ਡਬ ਕਰਦਾ ਹੈ, ਅਤੇ ਕਈ ਵਾਰ ਬੁੱਲ੍ਹਾਂ ਦੀਆਂ ਹਰਕਤਾਂ ਨੂੰ ਸਮਕਾਲੀ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਸਮੱਗਰੀ ਸਿਰਜਣਹਾਰਾਂ ਲਈ ਕ੍ਰਾਂਤੀਕਾਰੀ ਹੈ ਜੋ ਇੱਕ ਗਲੋਬਲ ਦਰਸ਼ਕਾਂ ਤੱਕ ਪਹੁੰਚਣਾ ਚਾਹੁੰਦੇ ਹਨ। ਪਰ ਇਹ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਬਿੰਦੂਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਕਿਉਂਕਿ ਗਲਤੀ ਦੀਆਂ ਤਿੰਨ ਵੱਖਰੀਆਂ ਪਰਤਾਂ ਓਵਰਲੈਪ ਹੁੰਦੀਆਂ ਹਨ: ਅਨੁਵਾਦ ਗਲਤੀ (ਮੁਹਾਵਰੇ, ਸ਼ਬਦ, ਸੰਦਰਭ), ਵਾਇਸਿੰਗ ਗਲਤੀ (ਗਲਤ ਟੋਨ, ਉਚਾਰਣ) ਅਤੇ ਸਮਕਾਲੀਕਰਨ ਗਲਤੀ (ਹੋਠਾਂ ਦਾ ਮੇਲ ਨਹੀਂ, ਸਮੇਂ ਦਾ ਮੇਲ ਨਹੀਂ)। ਇਸ ਲਈ, ਬਹੁ-ਭਾਸ਼ਾਈ ਡਬਿੰਗ ਵਿੱਚ, ਇੱਕ ਵਿਅਕਤੀ ਜੋ ਮੂਲ ਪੱਧਰ 'ਤੇ ਨਿਸ਼ਾਨਾ ਭਾਸ਼ਾ ਜਾਣਦਾ ਹੈ, ਅਨੁਵਾਦ ਅਤੇ ਡਬਿੰਗ ਦੋਵਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ। ਬ੍ਰਾਂਡ ਦੀ ਅਖੰਡਤਾ, ਅਰਥ ਅਤੇ ਭਾਵਨਾ ਸਿਰਫ ਮਨੁੱਖੀ ਨਿਯੰਤਰਣ ਦੁਆਰਾ ਸੁਰੱਖਿਅਤ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ.
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਤੇਜ਼ ਅਤੇ ਨੈਤਿਕ ਵੌਇਸਓਵਰ। ਇੱਕ ਈ-ਲਰਨਿੰਗ ਟੀਮ ਨੂੰ 40-ਵੀਡੀਓ ਕੋਰਸ ਦੇ ਬਿਰਤਾਂਤ ਨੂੰ ਅਪਡੇਟ ਕਰਨਾ ਪਿਆ; ਹਰ ਅਪਡੇਟ ਦੇ ਨਾਲ ਕਲਾਕਾਰ ਨੂੰ ਯਾਦ ਕਰਨਾ ਮਹਿੰਗਾ ਸੀ. ਉਹਨਾਂ ਨੇ ਕਲਾਕਾਰ ਨਾਲ ਇੱਕ ਲਿਖਤੀ ਇਕਰਾਰਨਾਮਾ ਕੀਤਾ ਜਿਸ ਵਿੱਚ ਇਸ ਕੋਰਸ ਲਈ ਉਸਦੀ/ਉਸਦੀ ਅਵਾਜ਼ ਨੂੰ ਕਲੋਨ ਕੀਤੇ ਜਾਣ ਦਾ ਸਕੋਪ ਨਿਰਧਾਰਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਸ ਲਈ ਉਹਨਾਂ ਨੇ ਉਸਦੀ ਆਵਾਜ਼ ਅਤੇ ਉਸਦੀ ਪ੍ਰਵਾਨਗੀ ਨਾਲ ਮਿੰਟਾਂ ਵਿੱਚ ਟੈਕਸਟ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਕੀਤੀਆਂ। ਕਲਾਕਾਰ ਦੋਵਾਂ ਨੇ ਆਪਣੀ ਫੀਸ ਪ੍ਰਾਪਤ ਕੀਤੀ ਅਤੇ ਨਿਯੰਤਰਣ ਬਣਾਈ ਰੱਖਿਆ; ਟੀਮ ਨੇ ਰਫ਼ਤਾਰ ਫੜੀ।
ਕੇਸ 2 - ਗੈਰ-ਸਹਿਮਤ ਕਲੋਨ ਸਕੈਂਡਲ। ਇੱਕ ਸਮਗਰੀ ਨਿਰਮਾਤਾ ਨੇ ਆਪਣੇ YouTube ਵੀਡੀਓਜ਼ ਤੋਂ ਇੱਕ ਮਸ਼ਹੂਰ ਅਵਾਜ਼ ਅਭਿਨੇਤਾ ਦੀ ਆਵਾਜ਼ ਨੂੰ ਕਲੋਨ ਕੀਤਾ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਇਸ਼ਤਿਹਾਰ ਵਿੱਚ ਵਰਤਿਆ। ਕਲਾਕਾਰ ਨੇ ਉਸਦੀ ਆਵਾਜ਼ ਪਛਾਣ ਲਈ, ਕਾਨੂੰਨੀ ਪ੍ਰਕਿਰਿਆ ਸ਼ੁਰੂ ਕੀਤੀ ਅਤੇ ਪ੍ਰੈਸ ਵਿੱਚ ਘਟਨਾ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਗਈ। ਬ੍ਰਾਂਡ ਦੀ ਸਾਖ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਇਆ ਗਿਆ ਸੀ, ਸਮੱਗਰੀ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਮੁਆਵਜ਼ੇ ਨੂੰ ਏਜੰਡੇ ਵਿੱਚ ਲਿਆਂਦਾ ਗਿਆ ਸੀ। ਸਬਕ: ਗੈਰ-ਸਹਿਮਤ ਆਡੀਓ ਦੀ ਵਰਤੋਂ ਇੱਕ ਨੈਤਿਕ ਅਤੇ ਕਾਨੂੰਨੀ ਤਬਾਹੀ ਹੈ।
ਕੇਸ 3 - ਅਪ੍ਰਮਾਣਿਤ ਡਬਿੰਗ। ਇੱਕ ਚੈਨਲ ਨੇ ਆਪਣੇ ਵੀਡੀਓ ਨੂੰ ਸਪੈਨਿਸ਼ ਵਿੱਚ ਨਕਲੀ ਤੌਰ 'ਤੇ ਡੱਬ ਕੀਤਾ ਪਰ ਕਦੇ ਵੀ ਉਹਨਾਂ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕੀਤੀ। ਇੱਕ ਤਕਨੀਕੀ ਸ਼ਬਦ ਦਾ ਗਲਤ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਵੌਇਸਓਵਰ ਨੇ ਇੱਕ ਜ਼ੋਰ ਦਿੱਤਾ ਜੋ ਵਾਕ ਦੇ ਅਰਥ ਨੂੰ ਉਲਟਾ ਦਿੰਦਾ ਹੈ। ਸਪੈਨਿਸ਼ ਦਰਸ਼ਕਾਂ ਨੇ ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਗਲਤੀ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ, ਵਿਸ਼ਵਾਸ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਿਆ. ਸਹੀ ਤਰੀਕਾ ਇਹ ਸੀ ਕਿ ਇਸਦੀ ਤਸਦੀਕ ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਦੁਆਰਾ ਕੀਤੀ ਜਾਵੇ ਜੋ ਨਿਸ਼ਾਨਾ ਭਾਸ਼ਾ ਜਾਣਦਾ ਹੋਵੇ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਹ ਪਾਠ ਬੋਲੋ।
ਇੱਥੇ ਕੋਈ ਵੋਕਲ ਅੱਖਰ, ਟੋਨ, ਟੈਂਪੋ ਜਾਂ ਉਚਾਰਨ ਨਹੀਂ ਹੈ। ਆਉਟਪੁੱਟ ਫਲੈਟ ਅਤੇ ਰੋਬੋਟਿਕ ਬਣ ਜਾਂਦੀ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਵੌਇਸ ਓਵਰ ਡਾਇਰੈਕਟਰ। ਉਦੇਸ਼: ਉਤਪਾਦ ਪ੍ਰੋਮੋਸ਼ਨ ਵਰਣਨ ਦੇ 45 ਸਕਿੰਟ। ਅਵਾਜ਼: 35 ਸਾਲ ਦੀ ਉਮਰ, ਨਿੱਘੀ ਮਰਦ ਅਵਾਜ਼, ਭਰੋਸੇਮੰਦ। ਟੋਨ: ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਪਰ ਸੁਹਿਰਦ; ਕੋਈ ਅਤਿਕਥਨੀ ਨਹੀਂ। ਟੈਂਪੋ: ਮੱਧਮ; ਤਕਨੀਕੀ ਵਾਕਾਂ ਵਿੱਚ ਥੋੜ੍ਹਾ ਹੌਲੀ ਕਰੋ। ਜ਼ੋਰ: ਸ਼ਬਦਾਂ ਦੀ ਕੀਮਤ ਅਤੇ ਵਾਰੰਟੀ ਨੂੰ ਉਜਾਗਰ ਕਰੋ। ਉਚਾਰਨ: "3D" -> "ਤਿੰਨ-ਆਯਾਮੀ"; ਬ੍ਰਾਂਡ ਨਾਮ [BRAND] ਜਿਵੇਂ ਹੈ। ਆਉਟਪੁੱਟ: ਵੌਇਸਓਵਰ ਟੈਕਸਟ ਜੋਰ ਅਤੇ ਵਿਰਾਮ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਪਾਬੰਦੀ: ਸਿਰਫ਼ ਸਹਿਮਤੀ/ਸਿੰਥੈਟਿਕ ਆਵਾਜ਼ ਦੀ ਵਰਤੋਂ ਕਰੋ; ਇੱਕ ਅਸਲੀ ਵਿਅਕਤੀ ਦੀ ਨਕਲ ਕਰਨਾ.
ਆਮ ਗਲਤੀਆਂ
- ਕੱਚੇ ਪਾਠ ਨੂੰ ਬਿਨਾਂ ਸੇਧ ਦੇ ਪੜ੍ਹਨਾ. ਜੇਕਰ ਟੋਨ, ਟੈਂਪੋ ਅਤੇ ਜ਼ੋਰ ਨਹੀਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਆਵਾਜ਼ ਰੋਬੋਟਿਕ ਹੋਵੇਗੀ।
- ਇਸ ਨੂੰ ਸੁਣੇ ਬਿਨਾਂ TTS ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਗਲਤ ਉਚਾਰਨ (ਸਹੀ ਨਾਮ, ਸੰਖਿਆ, ਸੰਖੇਪ) ਆਮ ਹੈ।
- ਬਿਨਾਂ ਸਹਿਮਤੀ ਦੇ ਵੌਇਸ ਕਲੋਨਿੰਗ। ਨੈਤਿਕ ਅਤੇ ਕਾਨੂੰਨੀ ਉਲੰਘਣਾ; "ਪ੍ਰਯੋਗ/ਮਜ਼ਾਕ" ਬਹਾਨਾ ਵੈਧ ਨਹੀਂ ਹੈ।
- ਸਹਿਮਤੀ ਦੇ ਦਾਇਰੇ ਤੋਂ ਵੱਧ। ਕਿਸੇ ਪ੍ਰੋਜੈਕਟ ਦੀ ਇਜਾਜ਼ਤ ਕਿਸੇ ਹੋਰ ਕੰਮ ਵਿੱਚ ਵਰਤਣਾ ਉਲੰਘਣਾ ਹੈ।
- ਡਬਿੰਗ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ। ਅਨੁਵਾਦ + ਡਬਿੰਗ + ਸਿੰਕ੍ਰੋਨਾਈਜ਼ੇਸ਼ਨ ਗਲਤੀ ਓਵਰਲੈਪ।
ਸੰਕੇਤ: TTS ਵਿੱਚ, ਟੈਕਸਟ ਵਿੱਚ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਨੰਬਰ, ਸੰਖੇਪ ਅਤੇ ਸਹੀ ਨਾਮ ਲਿਖੋ ("ਤੀਹ ਪ੍ਰਤੀਸ਼ਤ", "ਤਿੰਨ-ਅਯਾਮੀ", "ey-edu")। ਤੁਸੀਂ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਮਾਡਲ 'ਤੇ ਛੱਡਣ ਦੀ ਬਜਾਏ ਉਚਾਰਨ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹੋ।
ਸਾਰੰਸ਼ ਵਿੱਚ
ਸਿੰਥੈਟਿਕ ਡਬਿੰਗ, ਵੌਇਸ ਕਲੋਨਿੰਗ ਅਤੇ ਡਬਿੰਗ ਵੀਡੀਓ ਉਤਪਾਦਨ ਵਿੱਚ ਆਡੀਓ ਕੰਮ ਨੂੰ ਮੂਲ ਰੂਪ ਵਿੱਚ ਤੇਜ਼ ਕਰਦੀ ਹੈ ਅਤੇ ਵਿਸ਼ਵਵਿਆਪੀ ਪਹੁੰਚ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੀ ਹੈ। ਚੰਗੇ ਨਤੀਜਿਆਂ ਲਈ, TTS ਨੂੰ ਟੋਨ, ਟੈਂਪੋ, ਤਣਾਅ ਅਤੇ ਉਚਾਰਨ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਨਾਲ ਮਾਰਗਦਰਸ਼ਨ ਕਰੋ ਅਤੇ ਆਉਟਪੁੱਟ ਨੂੰ ਸੁਣਨਾ ਯਕੀਨੀ ਬਣਾਓ। ਵੌਇਸ ਕਲੋਨਿੰਗ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ, ਪਰ ਇਹ ਸਭ ਤੋਂ ਸਪੱਸ਼ਟ ਨੈਤਿਕ ਲਾਈਨ ਖਿੱਚਦੀ ਹੈ: ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਆਵਾਜ਼ ਸਿਰਫ਼ ਸਪਸ਼ਟ, ਸਕੋਪਡ, ਲਿਖਤੀ ਸਹਿਮਤੀ ਨਾਲ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ; ਸਹਿਮਤੀ ਤੋਂ ਬਿਨਾਂ ਨਕਲ ਕਰਨਾ ਇੱਕ ਉਲੰਘਣਾ ਹੈ। ਕਿਉਂਕਿ ਅਨੁਵਾਦ, ਡਬਿੰਗ ਅਤੇ ਸਿੰਕ੍ਰੋਨਾਈਜ਼ੇਸ਼ਨ ਗਲਤੀਆਂ ਬਹੁ-ਭਾਸ਼ਾਈ ਡਬਿੰਗ ਵਿੱਚ ਓਵਰਲੈਪ ਹੋਣਗੀਆਂ, ਇੱਕ ਵਿਅਕਤੀ ਦੁਆਰਾ ਤਸਦੀਕ ਜੋ ਟੀਚਾ ਭਾਸ਼ਾ ਜਾਣਦਾ ਹੈ ਜ਼ਰੂਰੀ ਹੈ। ਵਾਹਨ ਦੀ ਆਵਾਜ਼ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਸਹਿਮਤੀ, ਸ਼ੁੱਧਤਾ ਅਤੇ ਅਰਥ ਤੁਹਾਡੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ 60-ਸਕਿੰਟ ਦਾ ਬਿਰਤਾਂਤ ਪਾਠ ਲਿਖੋ। ਉੱਪਰ ਦਿੱਤੇ ਅਨੁਸਾਰ ਟੋਨ/ਟੈਂਪੋ/ਤਣਾਅ/ਉਚਾਰਨ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੇ ਨਾਲ, ਇੱਕ TTS ਟੂਲ ਨਾਲ ਇਸ ਨੂੰ ਆਵਾਜ਼ ਦਿਓ। ਆਉਟਪੁੱਟ ਨੂੰ ਸੁਣੋ ਅਤੇ ਘੱਟੋ-ਘੱਟ ਤਿੰਨ ਗਲਤ ਉਚਾਰਣ ਵਾਲੀਆਂ ਥਾਵਾਂ (ਨੰਬਰ, ਸਹੀ ਨਾਮ, ਸੰਖੇਪ) ਲੱਭੋ ਅਤੇ ਠੀਕ ਕਰੋ। ਫਿਰ ਵੌਇਸ ਕਲੋਨਿੰਗ ਲਈ ਇੱਕ ਸਧਾਰਨ "ਸਹਿਮਤੀ ਫਾਰਮ" ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ: ਕਿਸਦੀ ਆਵਾਜ਼, ਕਿਹੜਾ ਪ੍ਰੋਜੈਕਟ, ਕਿਸ ਮਿਆਦ ਲਈ, ਕਿਸ ਵਰਤੋਂ ਲਈ, ਵਾਪਸ ਲੈਣ ਦਾ ਅਧਿਕਾਰ। ਆਪਣੇ ਕੰਮ ਦਾ ਸਾਰ ਦਿਓ।
ਚੈੱਕਲਿਸਟ
- [ ] ਕੀ ਮੈਂ ਟੋਨ, ਟੈਂਪੋ, ਤਣਾਅ ਅਤੇ ਉਚਾਰਨ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਨਾਲ ਵੋਕਲਾਈਜ਼ੇਸ਼ਨ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕੀਤਾ ਹੈ?
- [ ] ਕੀ ਮੈਂ TTS ਆਉਟਪੁੱਟ ਨੂੰ ਸੁਣਿਆ ਹੈ ਅਤੇ ਕਿਸੇ ਵੀ ਉਚਾਰਨ/ਨੰਬਰ/ਸੰਖਿਅਕ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕੀਤਾ ਹੈ?
- [ ] ਕੀ ਮੇਰੇ ਦੁਆਰਾ ਕਲੋਨ/ਵਰਤਣ ਵਾਲੀ ਆਵਾਜ਼ ਲਈ ਸਪਸ਼ਟ ਅਤੇ ਖਾਸ ਲਿਖਤੀ ਸਹਿਮਤੀ ਹੈ?
- [ ] ਕੀ ਮੈਂ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਹੈ ਕਿ ਮੈਂ ਸਹਿਮਤੀ ਦੇ ਦਾਇਰੇ (ਸਥਾਨ, ਮਿਆਦ, ਉਦੇਸ਼) ਨੂੰ ਪਾਰ ਨਹੀਂ ਕੀਤਾ ਹੈ?
- ਕੀ ਮੈਂ ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਨਾਲ ਅਨੁਵਾਦ/ਟੋਨ/ਸਿੰਕ੍ਰੋਨਾਈਜ਼ੇਸ਼ਨ ਲਈ ਡਬਿੰਗ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ ਜੋ ਟੀਚਾ ਭਾਸ਼ਾ ਜਾਣਦਾ ਹੈ?