เสียงพากย์ตัวเองแบบ AI ฟรี กับบทเรียนจากคลิปเสียงกากๆ ที่ทำเอาแทบอยากทิ้งไมค์
บ่ายวันศุกร์ ฉันนั่งจ้องหน้าจอ หูฟังข้างหูมีเสียงของตัวเองดังออกมา... แต่มันไม่ใช่เสียงฉัน มันเหมือนเสียงจากวิทยุเก่าๆ ที่จูนคลื่นไม่ค่อยจะติด แถมมีเสียงสว่านของช่างข้างบ้านแทรกมาตลอด ฉันมองคลื่นเสียงบนจอ แล้วก็ได้แต่ถอนหายใจ
ไม่ได้พังครั้งแรกแล้วนะ ฉันอยากได้เสียงตัวเองไว้พากย์พอดแคสต์ จะได้ไม่ต้องอัดซ้ำหลายเที่ยว วันนั้นขี้เกียจ เลยหยิบมือถืออัดคลิปตัวเองตอนพูดในครัว มีเสียงตู้เย็นอื้อๆ รถผ่านนอกบ้าน แล้วก็เสียงไอของตัวเองด้วย ตื่นเต้น รีบเข้าไปที่หน้าโคลนเสียงฟรี อัปโหลด รอ...
ผลที่ได้? เสียงเป็นฉันจริงๆ แต่ทุกคำพูดเหมือนถูกพูดผ่านผ้าห่มหนาๆ เสียงรบกวนถูกขยายจนฟังดูพร่าๆ น้ำเสียงฉันเพี้ยนไปหมด
กลับไปดูว่าพลาดตรงไหน: ทำไมเสียงกากถึงทำลายเสียงโคลน
หลักการของโคลนเสียงฟรี มันก็คือให้ AI ดึงเอกลักษณ์เสียงเราออกมา ไม่ว่าจะเป็นระดับเสียงสูงต่ำ เสียงก้อง เสียงลมหายใจ แต่ถ้าในไฟล์เสียงมีเสียงรบกวนปนอยู่ AI มันจะเข้าใจว่าเสียงพวกนั้นคือส่วนหนึ่งของเสียงเรา
เสียงตู้เย็นความถี่ต่ำกลายเป็นพื้นเสียงของโคลน เสียงแตรรถกลายเป็นเสียงแตกๆ ความถี่สูง ผลที่ได้คือเสียงเหมือนอัดในอุโมงค์ด้วยไมค์ถูกๆ
ที่เซ็งกว่านั้นคือ ผมใช้เว็บเดียวกัน เปลี่ยนไปอัดเสียง 30 วินาทีในห้องเงียบๆ ปิดประตู ผลลัพธ์ดีขึ้นเป็นกอง ยังเป็นโคลนเสียงฟรี ที่เดียวกัน แค่เปลี่ยนสถานที่อัดเสียงก็ต่างกันลิบ
สรุปคือ อย่าทำตามผม หาที่เงียบๆ ก่อนอัด ต่อให้ต้องเอาผ้าห่มครอบหัวก็ยังดี
เปรียบเทียบเครื่องมือ TTS ฟรี 3 ตัว แต่ละตัวนิสัยไม่เหมือนกัน
หลังจกตา ฉันลองใช้บริการแปลงข้อความเป็นเสียงพูดฟรี 3 ตัว ตัวที่ใช้ประจำคือเว็บโคลนเสียง อีกสองตัวเป็นเว็บที่คนเม้นต์กันเยอะ
ตัวแรกเป็นโปรเจกต์โอเพนซอร์ส ทำงานในเครื่องเรา ข้อมูลส่วนตัวปลอดภัย แต่เงื่อนไขเสียงเข้มงวดมาก มีเสียงลมหน่อยก็พัง ตัวที่สองเป็นเว็บหน้าตาสวย แต่เวอร์ชันฟรีจำกัดเวลา แถมเสียงที่ได้มีกลิ่นโลหะอ่อนๆ
เทียบกันแล้วโคลนเสียงฟรีคุณภาพดี ตัวนี้เสถียรสุด ไม่ต้องสมัคร ใช้ฟรีถาวร อัปโหลดเสียงรอประมาณสองนาที เสียงที่ออกมาใสที่สุด แต่ก็ยังต้องการไฟล์เสียงที่ชัดเจนอยู่ดี ไม่ได้เรื่องมากเท่าตัวแรก
วิธีอัดเสียงให้ AI จำเสียงเราได้จริง (จากประสบการณ์แผลเป็น)
ถ้าอยากลองโคลนเสียงตัวเอง จำไว้เลย สิ่งเหล่านี้คือบทเรียนที่จ่ายด้วยเวลาและความหงุดหงิด
- อัดเสียงอย่างน้อย 30 วินาที สั้นกว่านั้น AI จำเสียงเราไม่ครบ
- ใช้มือถืออัด ให้ห่างปากประมาณ 10-15 เซนติเมตร อย่าเป่าไมค์
- เสียงรบกวนรอบข้างควรต่ำกว่า -40dB เปิดแอปอัดเสียงดูคลื่น เสียงเงียบควรเป็นเส้นตรง
- ถ้าที่อัดเสียงมันดังจริงๆ ให้อัดเสร็จแล้วลดเสียงรบกวนด้วยซอฟต์แวร์ แต่อย่าลดเยอะเกิน เดี๋ยวเสียงจะแข็งๆ เทียมๆ
ครั้งหลังฉันอัดใหม่ในห้องเงียบๆ ผลลัพธ์ดีมากจนตกใจ แม้แต่เสียงลมหายใจเบาๆ ตอนพูดก็ยังติดมาด้วย
ใช้โคลนเสียงทำอะไรได้อีก: อ่านหนังสือเสียงและร้องเพลง
นอกจากพูดเฉยๆ ฉันลองใช้เสียงโคลนอ่านบทความ โดยไปที่หน้าแปลงข้อความเป็นเสียง วางบทความ เลือกระดับความเร็วและอารมณ์ เสียงที่ได้เหมือนฉันอ่านเองจริงๆ
บางคนถึงขั้นเอาเสียงโคลนไปร้องเพลง อัปโหลดคลิปร้องเพลงแบบไม่มีดนตรี AI จะจำเสียงเรา แล้วพิมพ์เนื้อเพลง มันก็จะร้องด้วยเสียงเรา แต่ร้องเพลงยากกว่าพูด เพราะต้องใช้ไฟล์เสียงที่สะอาดมาก และช่วงเสียงต้องครอบคลุมเสียงที่เราใช้ร้องจริงๆ
อย่าหวังว่าจะได้เสียงนักร้องมืออาชีพนะ มันเหมือนเพื่อนเราไปร้องคาราโอเกะ แล้วเสียงเพี้ยน แต่เป็นเสียงเรา
เรื่องฟรีกับถาวร ขอพูดตรงๆ
ของฟรีในโลกออนไลน์ ส่วนใหญ่มีเงื่อนไขแอบแฝง จำกัดครั้ง ต้องสมัครสมาชิก หรือไม่ก็ลงลายน้ำ แต่ที่หน้าแรกของเว็บโคลนเสียง ไม่มีอะไรแบบนั้น อัปโหลดเสร็จดาวน์โหลดได้เลย ไม่ต้องกรอกอีเมล
เคยลองใช้เครื่องมือโคลนเสียงไม่ต้องสมัคร บางตัว ต้องล็อกอิน ฟีเจอร์คล้ายกัน แต่จิตใจไม่สบายใจ ข้อมูลเสียงเราจะถูกเอาไปทำอะไรก็ไม่รู้
ข้อเสียของของฟรีคือ เวลาประมวลผลอาจนานหน่อย ช่วงคนใช้เยอะต้องต่อคิว แต่ผมว่าเรื่องนี้พอรับได้
คำถามที่คนถามบ่อย
อัดเสียงด้วยมือถือ ต้องอัดนานแค่ไหนถึงจะโคลนเสียงได้?
30 วินาทีขึ้นไปถึงจะชัวร์ ลองอัด 15 วินาที AI ก็ให้ผลลัพธ์ได้ แต่รายละเอียดเสียงหาย เช่น เสียงลมหายใจและเสียงท้ายคำหายไป
ถ้าพื้นหลังมีเพลง จะโคลนเสียงได้ไหม?
ได้ แต่เสียงจะเพี้ยน เพลงจะถูก AI เข้าใจว่าเป็นระดับเสียงของเรา เสียงที่ได้จะเหมือนเรากำลังร้องเพลง ควรแยกเสียงดนตรีออกก่อน หรืออัดใหม่จะดีที่สุด
โคลนเสียงฟรีกับเสียเงินต่างกันยังไง?
ต่างกันที่ความเร็วและขนาดโมเดล โคลนฟรีใช้โมเดลเล็ก ประมวลผลเร็ว แต่เสียงอาจไม่ละเอียดเท่า โคลนเสียเงินใช้โมเดลใหญ่ จับรายละเอียดได้มากกว่า แต่ถ้าแค่ทำพอดแคสต์หรือพากย์วิดีโอ ฟรีก็เพียงพอแล้ว
อีกหนึ่งพลาดที่เจอ: ระยะไมค์กับเสียงระเบิด
เรื่องละเอียดอีกอย่าง หลังอัดในห้องเงียบแล้ว ยังมีเสียงปุ๊บปั๊บ ตอนแรกงงมาก ที่ไหนได้... อยู่ใกล้ไมค์เกินไป เวลาพูดคำที่มีเสียง "ป" "บ" ลมเป่าตรงหัวไมค์
วิธีแก้คือ วางมือถือบนโต๊ะ นั่งห่าง 30 เซนติเมตร แล้วหันหน้าเฉียงๆ อย่าพูดตรงไมค์ หรือจะใช้ไมค์คอเสื้อก็ได้ แต่ไมค์คอเสื้อราคาถูกมักมีเสียงจี่ ทำให้ปวดหัวกว่าเดิม
ตอนนี้ฉันใช้ไมค์จากหูฟังเก่าๆ เสียบกับโน้ตบุ๊กอัด เสียงใสกว่าที่คิด แถมสะอาดกว่าไมค์มือถืออีก
ความเร็วและอารมณ์ตอนอัด มีผลกับเสียงโคลน
อีกอย่างที่เพิ่งรู้ คือ ตอนอัดเสียงตัวอย่าง ความเร็วและอารมณ์มีผลต่อสไตล์ที่ AI เรียนรู้
ลองอัดเสียงช้าๆ เนิบๆ 30 วินาที เสียงโคลนที่ได้เวลาอ่านข้อความจะช้าและเป็นทางการ เหมือนอ่านข่าว พอเปลี่ยนมาอัดแบบพูดคุยปกติ มีจังหวะหยุดและน้ำเสียงสูงต่ำ เสียงโคลนที่อ่านบทความพอดแคสต์จะฟังเป็นธรรมชาติกว่า
ถ้าอยากได้เสียงโคลนไว้พากย์ อย่าอัดแบบท่องจำ ให้พูดเหมือนคุยกับเพื่อน AI จะจำน้ำเสียงที่มีชีวิตชีวาได้
พูดตรงๆ ครั้งสุดท้าย
ใช้เวลาทั้งบ่ายกับเรื่องนี้ สิ่งที่ได้ไม่ใช่แค่เทคนิคการโคลนเสียง แต่คือความเข้าใจว่า เครื่องมือดีแค่ไหน ก็สู้ห้องเงียบๆ สักห้องไม่ได้ ถ้าพร้อมจะลองแล้ว ไปที่หน้าแปลงข้อความเป็นเสียงฟรี ลองอัดเสียงตัวเองอ่านอะไรสักอย่างดูสิ