เมื่อวานนั่งทำรายงานสรุปยอดขายอยู่ดีๆ เพื่อนก็ส่งลิงก์มาให้พร้อมข้อความว่า "ลองอันนี้สิ มันโคลนเสียงเราได้ฟรี" ฉันก็แบบ... เออ ลองก็ลอง เปิดเข้าไปเจอหน้าเว็บเรียบๆ ภาษาไทยล้วน ไม่มีปุ่มกดรก มีช่องให้อัปโหลดไฟล์เสียง แล้วก็ปุ่ม "สร้างเสียง" ฉันก็ลองอัดเสียงตัวเองอ่านนิทานให้หลานฟังเมื่ออาทิตย์ก่อน ยาวประมาณ 30 วินาที อัปโหลดเข้าไป รอแป๊บเดียว มันก็生成เสียงจำลองออกมาให้ทดลองพิมพ์ข้อความลงไป... พอได้ยินเสียงตัวเองพูดประโยคที่ฉันไม่เคยพูดมาก่อน มันขนลุกจริงๆ นะ โทนเสียงเหมือนเป๊ะ แต่สำเนียงเพี้ยนนิดๆ เหมือนคนพูดไทยคำอังกฤษคำ ฉันเลยเริ่มสงสัยว่ามันจะเอาไปทำอะไรจริงจังได้แค่ไหน

เลยเป็นที่มาของโปรเจกต์บ้าๆ — ฉันจะลองใช้โคลนเสียงฟรีตัวนี้ทำ audiobook สัก 20 บท เรื่องสั้นที่ตัวเองเขียนเล่นๆ ไว้ในดราฟต์ กับอีกเรื่องที่ดาวน์โหลดจากโครงการหนังสือสาธารณสมบัติ แล้วเทียบกับบริการ TTS เสียเงินที่เคยใช้ทำวิดีโอลง YouTube ราคาเดือนละ 290 บาท ว่าจะรอดหรือจะพัง

ปัญหาที่ทุกคนเจอตอนแรก: เสียงมันแข็ง ไม่มีน้ำหนัก

ฉันเริ่มจากบทแรกก่อน เรื่องสั้นแนวสยองขวัญ เนื้อหามีบทสนทนาเยอะ ฉันตั้งค่าเสียงให้พูดช้าลงหน่อย ปรับระดับ pitch ขึ้นเล็กน้อย ผลที่ได้คือ... ฟังรู้เรื่อง แต่เหมือนมีคนอ่านข่าวให้ฟัง ไม่มีอารมณ์ร่วม ไม่มีจังหวะเว้นวรรคตอนที่ถูกต้อง เวลามีเครื่องหมายคำพูด "..." มันก็อ่านตรงๆ ไม่หยุด ไม่มีน้ำเสียงที่สื่อถึงความลุ้นระทึก

จุดนี้แหละที่หลายคนถอดใจ แล้วกลับไปจ้างคนพากย์แพงๆ หรือซื้อ TTS แพงๆ แต่ฉันลองผิดลองถูกไปเรื่อย จนค้นพบว่าที่เว็บ https://th.web666.cc/clone มีเมนู "การตั้งค่าขั้นสูง" ซ่อนอยู่หลังปุ่มรูปเฟืองเล็กๆ ที่แทบไม่เห็น กดเข้าไปแล้วเจอตัวเลื่อนปรับ "ระดับเสียงสูงต่ำ" "ความเร็ว" และที่สำคัญสุดคือ "การออกเสียงวรรณยุกต์"

ปกติ TTS ฟรีทั่วไปมันจะอ่านวรรณยุกต์ผิดบ่อยมาก เช่น คำว่า "ไข่" กับ "ไข้" เสียงจะเพี้ยน แต่ตัวนี้มันมีโหมดให้เลือกเป็น "ภาษาไทยแบบอ่านออกเสียง" หรือ "ภาษาไทยแบบสนทนา" พอเลือกแบบสนทนาแล้ว ปัญหาเสียงแข็งลดลงไปได้เยอะพอสมควร

เทียบกับ TTS เสียเงิน: เรื่องความเร็วกับความเสถียร

ฉันมีบัญชี TTS เสียเงินรายเดือนอยู่แล้ว ใช้แปลงบทความยาวๆ ลงพอดแคสต์ ระบบมันเสถียรดี ไม่เคยค้าง แต่เสียเงิน 290 บาท/เดือน พอมาเทียบกับตัวฟรีอันนี้...

  • ความเร็ว: ตัวฟรีประมวลผลเสียงยาว 5 นาที ใช้เวลารอประมาณ 40 วินาที ตัวเสียเงินทำได้ใน 10 วินาที แต่ถ้าไม่รีบ 40 วินาทีก็รอได้
  • ความเสถียร: ตัวฟรีมีค้างบ้างตอนไฟล์เสียงยาวเกิน 10 นาที ต้องแบ่งเป็นท่อนๆ ตัวเสียเงินไม่เคยค้าง
  • คุณภาพเสียง: ตัวฟรีเสียงชัดใช้ได้ แต่มี noise พื้นหลังเบาๆ เหมือนเสียงจากไมโครโฟนธรรมดา ตัวเสียเงินเสียงสะอาดเหมือนในสตูดิโอ

แต่เดี๋ยวก่อน... ฉันไม่ได้พูดถึงเรื่องที่สำคัญที่สุดเลย นั่นคือ เรื่องลิขสิทธิ์เสียง หลายคนไม่รู้ว่าเสียงพากย์ที่สร้างจาก TTS เสียเงินบางเจ้า มีเงื่อนไขว่าห้ามใช้ทำ audiobook ขายบน Audible หรือขายบน Meb (เมบ) เพราะในข้อตกลงผู้ใช้บริการระบุว่าเสียงที่ generate ออกมาต้องใช้เพื่อการส่วนตัวเท่านั้น

แต่สำหรับตัวโคลนเสียงฟรีเว็บนี้ ฉันลองอ่านข้อตกลงแล้ว มันเขียนว่า "ผู้ใช้เป็นเจ้าของเสียงที่สร้างขึ้น" แปลว่าเราสามารถนำไปทำอะไรก็ได้ รวมถึงทำ audiobook ขาย ตรงนี้แหละที่ทำให้มันคุ้มกว่า TTS เสียเงินไปมาก

20 บทที่ฉันทดลอง: เจอทั้งพังและเซอร์ไพรส์

เล่าให้ฟังแบบตรงไปตรงมา — ฉันทำทั้งหมด 20 บท แบ่งเป็น 2 เรื่อง เรื่องแรกเป็นนิทานเด็ก 10 บท เรื่องที่สองเป็นเรื่องสั้นสยองขวัญ 10 บท

นิทานเด็ก (10 บท): ผลลัพธ์ดีเกินคาด เสียงที่โคลนมาจากเสียงฉันอ่านนิทานให้หลานฟัง มันมีจังหวะที่สดใสอยู่แล้ว พอปรับวรรณยุกต์เป็นแบบสนทนาแล้ว ออกมาฟังเพลินมาก เด็กๆ ฟังแล้วไม่ร้องงอแง แถมยังมีเสียงหัวเราะเบาๆ ตอนต้นเสียงที่เผลอหลุดเข้าไปในการอัปโหลดด้วย มันกลายเป็นเอกลักษณ์เฉพาะตัว

เรื่องสยองขวัญ (10 บท): ตรงนี้แหละที่พัง ฉันลองใช้เสียงที่โคลนจากเสียงปกติ (เสียงอ่านข่าว) มาอ่านเรื่องผี มันฟังดูตลกมาก ไม่มีความน่ากลัวเลย เพราะเสียงมันราบเรียบเกินไป ฉันต้องลองอัปโหลดเสียงใหม่ที่ฉันทำเสียงกระซิบกระซาบอ่านตอนกลางคืน แล้วค่อยเอามาโคลนใหม่ ใช้เวลาอยู่ 2 วันกว่าจะได้เสียงที่พอใจ

บทที่พังสุดคือบทที่ 15 มีตัวละครพูดด้วยเสียงแหบห้าว ฉันลองปรับ pitch ลงไปต่ำสุด มันกลายเป็นเสียงเหมือนหุ่นยนต์ดูดฝุ่น ไม่มีทางรอด ต้องตัดสินใจใช้เสียงผู้ชายที่โคลนจากเพื่อนมาช่วยพากย์แทน

สรุปค่าใช้จ่ายที่ประหยัดได้จริง

ถ้าจ้างนักพากย์อาชีพในไทย อัตราปกติอยู่ที่ประมาณ 1,500–3,000 บาท ต่อชั่วโมงเสียงที่เสร็จสมบูรณ์ หนังสือ 20 บท แต่ละบทยาวประมาณ 15 นาที รวม 5 ชั่วโมงเสียง = ค่าแรงขั้นต่ำ 7,500 บาท ยังไม่รวมค่าตัดต่อและปรับเสียง

ส่วน TTS เสียเงินรายเดือน 290 บาท × ใช้เวลา 2 เดือน = 580 บาท แต่มีเงื่อนไขเรื่องลิขสิทธิ์ห้ามขาย

ส่วนตัวโคลนเสียงฟรี: เสียเงิน 0 บาท เสียเวลาเรียนรู้ 2 วัน ปรับเสียงเองอีก 1 วัน แต่ได้เสียงที่เป็นเอกลักษณ์ของตัวเอง และนำไปขายได้ตามกฎหมาย

ข้อควรระวังที่คนไทยส่วนใหญ่ไม่รู้

เรื่องแรกคือ คุณภาพเสียงต้นทาง ถ้าคุณอัปโหลดเสียงที่อัดจากไมโครโฟนในโทรศัพท์กลางห้องแอร์ เสียงที่โคลนออกมาจะมีเสียงแอร์วื้ดๆ ตลอดทั้งเรื่อง ควรอัดในห้องเงียบๆ หรือใช้ไมค์ USB ราคา 500 บาทก็พอแล้ว

เรื่องที่สองคือ การออกเสียงชื่อเฉพาะ เช่น ชื่อตัวละคร "สมชาย" "วิภา" ถ้าอ่านผิดในเสียงต้นทาง มันจะจำผิดไปตลอด ต้องไปแก้ในขั้นตอนการตั้งค่าโดยเพิ่มคำอ่านให้ถูกต้อง ไม่งั้นทั้งเล่มจะอ่านชื่อเพี้ยนซ้ำๆ น่าหงุดหงิดมาก

สุดท้ายคือเรื่อง พื้นที่จัดเก็บ ไฟล์เสียง 20 บท รวมๆ แล้วประมาณ 1.2 GB ถ้าทำบัญชีฟรีบนเว็บ https://th.web666.cc/ มันให้พื้นที่จำกัด ฉันเลยต้องดาวน์โหลดไฟล์เสียงลงเครื่องแล้วลบออกจากเว็บเป็นระยะๆ เพื่อไม่ให้เต็ม

ฉันจะแนะนำให้เพื่อนใช้ไหม?

ถ้าเพื่อนอยากทำ audiobook ขายบน Meb หรือทำเสียงพากย์วิดีโอลง TikTok โดยไม่อยากจ่ายเงินรายเดือน ฉันแนะนำให้ลองตัวนี้ก่อน เพราะมันฟรี ไม่ต้องสมัครสมาชิก แค่มีเสียงตัวเอง 30 วินาทีก็เริ่มได้แล้ว

แต่ถ้าเพื่อนต้องการเสียงคุณภาพระดับโปรสำหรับพากย์สารคดีขายแพงๆ ฉันว่าเก็บเงินไปจ้างนักพากย์ดีกว่า เพราะการปรับแต่งเสียงให้มีอารมณ์มันต้องใช้ทักษะและเวลา ฉันเองใช้เวลาทั้งหมด 4 วันกว่าจะได้ 20 บทที่ฟังแล้วไม่รู้สึกเขิน

ลองเผื่อเวลาไว้สัก 1 อาทิตย์สำหรับเรียนรู้ แล้วค่อยตัดสินใจว่าจะใช้ต่อหรือเลิก อย่างน้อยก็ไม่เสียเงินอะไร ลองผิดลองถูกเอาเอง สนุกดี

ถ้าใครลองแล้วเจอเทคนิคทำเสียงให้ไม่แข็ง ทริคปรับวรรณยุกต์ หรือวิธีเลี่ยงเสียงเพี้ยน มาแชร์กันใต้โพสต์ได้นะ ฉันอยากรู้ว่ามีวิธีอื่นอีกแค่ไหน