เมื่อวานนั่งตัดวิดีโอรีวิวร้านก๋วยเตี๋ยวเรือแถวบางแคอยู่ดีๆ โปรแกรมตัดต่อมันเด้งเตือนว่าไฟล์เสียงพากย์ที่อัดไว้เมื่อเช้ามันเพี้ยนเพราะไมค์ตัดๆ ต่อๆ ไฟล์พังทั้งคลิป ความรู้สึกตอนนั้นคืออยากเขวี้ยงคอมพิวเตอร์ทิ้ง แล้วก็คิดได้ว่า... เออ เรามีเสียงโคลนที่ลองทำไว้เมื่อสัปดาห์ก่อนนี่หว่า ลองให้มันอ่านบทใหม่ดูสิ

ปรากฏว่ามันอ่านได้เนียนกว่าที่คิด แถมยังไม่ต้องนั่งอัดใหม่ทั้งรอบ ตั้งแต่นั้นมา workflow ฉันเปลี่ยนไปเลย ตอนนี้แทบทุกคลิปที่ทำ ฉันใช้โคลนเสียงตัวเองเป็นตัวพากย์รอบแรกก่อน แล้วค่อยเก็บรายละเอียดทีหลัง มันช่วยชีวิตคนที่ขี้เกียจนั่งอัดซ้ำๆ แบบฉันได้จริงๆ

ทำไมเสียงที่โคลนออกมาแล้วมัน"หลอกหู"จัง

แรกๆ ที่ลองใช้โคลนเสียงฟรี ฉันก็ทำแบบที่เขาบอกๆ กัน คือเปิดไมค์แล้วพูดลงไปเลย สั้นๆ แค่ 10 วินาที แล้วกดสร้างเสียง ผลที่ได้คือเสียงมันแข็งๆ เหมือนหุ่นยนต์อ่านข่าวตอน 6 โมงเย็น ฟังแล้วแบบ... นี่เสียงฉันจริงเหรอ? ฟังดูไม่เหมือนเลย

ปัญหามันไม่ได้อยู่ที่ AI หรือเว็บไซต์ แต่อยู่ที่คุณภาพของเสียงต้นทางที่ฉันอัดต่างหาก พอไปนั่งไล่ฟังเทียบกับเสียงที่อัดในห้องเงียบๆ กับเสียงที่อัดตอนมีแอร์เปิดดังหึ่งๆ มันต่างกันชัดเจน ระบบมันเรียนรู้จากสิ่งที่เราให้ มันก็เลยได้เสียงที่ก้องๆ หนวกหูกลับมา

ลองผิดลองถูกอยู่หลายรอบ สรุปได้ว่าเสียงตัวอย่างที่ดีต้องมีเงื่อนไข 3 อย่าง คือ เงียบ ไม่มีเสียงสะท้อน และพูดชัดๆ เป็นจังหวะ ไมค์ที่ใช้ก็ไม่ต้องแพงมาก ไมค์ไดนามิกธรรมดาราคาไม่เกินพันก็พอ แต่ที่สำคัญกว่าคือระยะห่างจากปากถึงไมค์ ควรอยู่ประมาณ 15-20 เซนติเมตร แล้วพูดด้วยน้ำเสียงปกติ ไม่ต้องไปฝืนทำเสียงผู้ประกาศ

วิธีอัด reference audio ให้ AI จำเสียงเราได้แม่น

ต้องบอกก่อนว่าแต่ละเว็บก็มีวิธีไม่เหมือนกัน แต่หลักการมันคล้ายๆ กัน อย่างเว็บที่ฉันใช้ประจำคือ VoxClone (https://th.web666.cc/clone) เขาให้อัดเสียงได้ตั้งแต่ 5 วินาทีถึง 1 นาที แล้วแต่แบบเสียงที่เราอยากได้ ถ้าอยากได้เสียงพากย์ทั่วไป 30 วินาทีก็พอ แต่ถ้าอยากได้เสียงที่ใช้ทำ audiobook ฉันแนะนำให้อัดให้ครบนาที เพราะมันจะได้โทนเสียงที่หลากหลายกว่า

เทคนิคที่ฉันใช้ประจำคือการอ่านบทที่เตรียมไว้ ซึ่งควรมีทั้งประโยคบอกเล่า คำถาม และประโยคอุทาน เพื่อให้ AI ได้เห็นการขึ้นเสียงลงเสียงของเรา อย่าอัดแค่พูดชื่อตัวเองซ้ำๆ เพราะเสียงที่ได้จะราบเรียบเกินไป เวลาเอาไปใช้จริงมันจะอ่านอะไรก็ไม่เพราะ

อีกจุดที่คนมักพลาดคือการเว้นวรรค ฉันเคยอัดแบบพูดรัวๆ ไม่มีจุดหยุด เพราะคิดว่าเดี๋ยว AI จะจัดการให้เอง ผลคือเสียงพากย์ที่ได้มันหายใจไม่เป็นจังหวะ ฟังแล้วอึดอัด พอมาแก้โดยการอัดใหม่ให้มีจังหวะเว้นวรรคตามธรรมชาติ เสียงที่ได้ก็ไหลลื่นขึ้นเยอะ

พากย์เสียงวิดีโอด้วย ai ฟรี แต่ต้องระวังเรื่องลิขสิทธิ์

เรื่องนี้คือด่านสำคัญที่คนส่วนใหญ่ไม่รู้ ฉันเองก็เพิ่งมาเข้าใจตอนที่เพื่อนที่ทำช่องยูทูปโดนบริษัทหนึ่งติดต่อมา เพราะเขาเอาเสียงพากย์ ai ฟรีไปใช้ในโฆษณาโดยไม่ได้ดูเงื่อนไข กลายเป็นว่าต้องไปนั่งเคลียร์กับทนายอยู่หลายวัน

ประเด็นคือเสียงของเราเป็นข้อมูลส่วนบุคคลตาม พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล หรือ PDPA ของไทยด้วย ต่อให้เราโคลนเสียงตัวเอง เราไม่ได้เป็นเจ้าของโมเดลเสียงนั้นแต่เพียงผู้เดียว เพราะเว็บที่ให้บริการฟรีเขามีเงื่อนไขการใช้งานของเขา บางเว็บอนุญาตให้ใช้เชิงพาณิชย์ได้เลย บางเว็บต้องขออนุญาตก่อน โดยเฉพาะถ้าเป็นเสียงของคนดังหรือนักพากย์มืออาชีพ

ก่อนจะกดปุ่มสร้างเสียงอะไรก็ตาม ฉันแนะนำให้อ่านข้อตกลงการใช้งานให้ละเอียด โดยเฉพาะหัวข้อที่เกี่ยวกับการใช้เชิงพาณิชย์ หรือ commercial use ถ้าไม่แน่ใจ ให้ส่งอีเมลไปถามทีมสนับสนุนของเว็บนั้นๆ ตรงๆ เลย อย่าคิดเอาเองว่าคงได้ เพราะถ้าผิดพลาดขึ้นมา ค่าเสียหายมันไม่ใช่แค่เงิน แต่รวมถึงชื่อเสียงของช่องเราด้วย

แปลงข้อความเป็นเสียงพูด ฟรี แต่ทำยังไงให้ฟังดูเป็นธรรมชาติ

พอได้เสียงโคลนมาแล้ว ขั้นตอนต่อไปคือการแปลงข้อความเป็นเสียงพูด ซึ่งตรงนี้ก็มีเทคนิคเหมือนกัน หลายคนคิดว่าแค่พิมพ์ข้อความลงไปแล้วกดสร้างเสียงก็จบ ที่จริงมันไม่ใช่ ต้องมีการจัดรูปแบบข้อความให้ดีก่อน

สิ่งที่ฉันทำประจำคือการใส่เครื่องหมายวรรคตอนให้ครบ โดยเฉพาะจุลภาค (,) และมหัพภาค (.) เพราะเจ้า AI มันจะใช้ตัวนี้ในการกำหนดจังหวะหายใจ ยิ่งถ้าข้อความยาวๆ ควรแบ่งเป็นย่อหน้าสั้นๆ และใช้เครื่องหมายคำพูดหรืออัญประกาศเพื่อบอกว่าเป็นบทสนทนา

ใน VoxClone มีฟีเจอร์ปรับแต่งเสียงขั้นสูงที่สามารถปรับระดับเสียงสูงต่ำและความเร็วในการพูดได้ ตรงนี้แหละที่ช่วยให้เสียงพากย์ไม่น่าเบื่อ ฉันมักจะปรับให้เสียงสูงขึ้นเล็กน้อยเวลาพูดประโยคคำถาม และลดความเร็วลง 5-10% สำหรับเนื้อหาที่ต้องการให้ฟังแล้วรู้สึกจริงจัง

ทำ audiobook ด้วย ai ฟรี: จากความฝันสู่ความจริง

อีกหนึ่งยูสเคสที่ฉันชอบคือการทำ audiobook ด้วย ai ฟรี ฉันมีเพื่อนที่เขียนนิยายออนไลน์อยู่คนหนึ่ง เขาอยากทำเวอร์ชันเสียงลงแพลตฟอร์มต่างๆ แต่ไม่มีงบจ้างนักพากย์มืออาชีพที่คิดชั่วโมงละหลายพันบาท

พอฉันแนะนำให้เขาลองใช้โคลนเสียงตัวเอง เขาก็ทำตามโดยการอัดเสียงอ่านบทแรกของนิยายตัวเองไป 1 นาที แล้วสร้างเสียงโคลนขึ้นมา จากนั้นก็ใช้บริการแปลงข้อความเป็นเสียงพูดเพื่อสร้างไฟล์เสียงทั้งเล่ม ซึ่งใช้เวลาทั้งหมดไม่ถึงครึ่งวัน เมื่อเทียบกับการนั่งอัดเองที่ต้องใช้เวลาเป็นสัปดาห์ มันเร็วและคุ้มค่ามาก

ข้อควรระวังคือเสียงที่ได้จะออกมาในโทนเดียวตลอดทั้งเล่ม ซึ่งสำหรับนิยายยาวๆ อาจจะทำให้ผู้ฟังเบื่อได้ วิธีแก้คือการสร้างเสียงโคลน 2-3 แบบจากบทอัดที่ต่างอารมณ์กัน เช่น แบบหนึ่งสำหรับผู้บรรยาย อีกแบบหนึ่งสำหรับบทสนทนาของตัวละครหลัก แล้วสลับใช้ตามฉาก

Checklist ก่อนใช้เสียงโคลนเชิงพาณิชย์ (ฉบับเข้าใจง่าย)

  • อัดเสียงในห้องที่เงียบ ไม่มีเสียงสะท้อน ใช้ไมค์ไดนามิก ระยะห่าง 15-20 ซม.
  • อัดบทที่หลากหลาย ทั้งบอกเล่า คำถาม อุทาน นาน 30-60 วินาที
  • อ่านข้อตกลงการใช้งานของเว็บที่ใช้ ดูหัวข้อ commercial use ให้ชัดเจน
  • ถ้าเป็นเสียงตัวเอง ตรวจสอบว่าเว็บอนุญาตให้ใช้เพื่อหารายได้หรือไม่
  • ถ้าเป็นเสียงคนอื่น ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรก่อนเสมอ
  • เก็บหลักฐานการอนุญาต เช่น ภาพหน้าจอข้อตกลง หรืออีเมลยืนยันจากทีมงาน
  • ทดสอบเสียงที่ได้กับข้อความจริงก่อนใช้งาน ฟังให้ทั่วถึงทุกท่อน

เริ่มต้นวันนี้ที่ VoxClone

ถ้าอยากลองเล่นดู เริ่มจากหน้าแรก https://th.web666.cc/ แล้วเข้าไปที่หน้าโคลนเสียง https://th.web666.cc/clone ได้เลย ไม่ต้องสมัครสมาชิก ไม่มีค่าใช้จ่าย ใช้ได้ทันที ฉันแนะนำให้ลองอัดเสียงตัวเองสัก 30 วินาที แล้วลองแปลงข้อความภาษาไทยง่ายๆ อย่าง "สวัสดีครับ วันนี้อากาศดีมาก" ฟังผลลัพธ์ แล้วค่อยปรับปรุงเทคนิคการอัดตามที่เล่าไปข้างต้น

เสียงพากย์ที่ดีไม่ได้มาจาก AI ที่แพงที่สุด แต่มันมาจากความตั้งใจในการเตรียมเสียงต้นทางของเราต่างหาก ลองทำดูแล้วจะรู้ว่าเสียงตัวเองในเวอร์ชันดิจิทัลมันสนุกแค่ไหน และที่สำคัญคือมันช่วยให้เราทำคอนเทนต์ได้เร็วขึ้นโดยไม่ต้องเสียบุคลิกภาพของตัวเองไปไหน