พากย์เสียงหลายภาษา แค่ 5 วินาทีพอไหม ลองโคลนเสียงจริงแล้วมาแฉ
เมื่อวานนั่งเบื่อ ๆ ก็คิดว่า... เอาเสียงตัวเองไปโคลนแล้วพากย์เป็นภาษาจีนดีกว่า จะได้แกล้งเพื่อนว่าเรียนมา 3 ปี แต่ก็สะดุดกับคำถามเดิม ๆ ที่เห็นในคอมเมนต์บ่อย – "โคลนเสียง 5 วินาทีมันพอจริงเหรอ?" หลายเว็บโฆษณาว่าแค่พูด 5 วินาทีก็ใช้ได้ แต่ใจฉันครึ่ง ๆ กลาง ๆ ฟังดูไม่น่าเชื่อ เอาวะ ลองของจริงกับ VoxClone ที่เขาให้โคลนเสียงฟรีไม่จำกัด ดูซิว่ามันจะพอกี่น้ำ
ฉันอัดคลิป 5 วินาทีพูดว่า "สวัสดีครับ วันนี้อากาศดีนะ" แล้วอัปโหลดเข้า หน้าสร้างเสียงโคลน รอไม่ถึง 1 นาทีก็ได้เสียงออกมา ฟังครั้งแรก... โอ้โห ไม่ได้แย่ขนาดนั้น มันมีสำเนียงไทยปนอังกฤษหน่อย ๆ แต่โดยรวมใช้ได้ ส่วนพอกดให้พูดเป็นภาษาอังกฤษกลับกลายเป็นว่าฟังดูฝรั่งเก่งเกินไป – ตลกดี แต่ก็ทำให้คิดว่า มันไม่ได้ขึ้นกับความยาวคลิปอย่างเดียว แต่ขึ้นกับคุณภาพเสียงต้นฉบับกับวิธีพูดด้วย
1. 5 วินาทีมัน "พอ" สำหรับบางภาษา แต่ไม่พอสำหรับบางเสียง
ลองเทสต์จริงหลาย ๆ เสียง ทั้งเสียงผู้หญิงเด็ก เสียงผู้ใหญ่ทุ้ม และเสียงคนแก่ ปรากฏว่าเสียงทุ้ม ๆ มีโทนต่ำ 5 วินาทีให้ผลดีเกินคาด – ฟังแล้วแทบแยกไม่ออกจากเสียงจริง แต่เสียงเด็กแหลม ๆ กลับฟังดูหุ่นยนต์ชัดเจน ทำไม? เพราะเสียงสูงมีรายละเอียดเยอะ 5 วินาทีเก็บข้อมูลไม่พอ
แล้วภาษาล่ะ? ภาษาอังกฤษกับไทยได้ดี เพราะเป็นเสียงที่ AI เจอเยอะ แต่พอเป็นภาษาจีนกลางหรือญี่ปุ่น เสียงที่ได้มีสำเนียงเพี้ยน ๆ เหมือนคนไทยพูดญี่ปุ่นแบบไม่ชัด – ก็ถือว่าสมเหตุสมผล เพราะเสียงตัวอย่างเป็นคนไทย ถ้าอยากได้หลายภาษาที่เนียน แนะนำให้โคลนเสียงจากคนที่พูดได้หลายภาษา หรืออัดคลิปยาว 15-20 วินาที จะดีกว่ามาก
สรุปสั้น ๆ – 5 วินาทีพอสำหรับภาษาใกล้เคียงกับเสียงต้นทาง และพอสำหรับเสียงทุ้ม ๆ แต่ไม่พอสำหรับเสียงแหลมหรือภาษาที่มีวรรณยุกต์ซับซ้อน ถ้าไม่อยากได้เสียงหุ่น ๆ ลงเวลาอัดเพิ่มอีกนิด ไม่เสียหาย
2. ทำไมเสียงที่โคลนออกมามัน "ไม่เหมือน" ทั้งที่อัด 5 วินาที?
คำถามยอดฮิตจากเพื่อน ๆ คือ "ทำไมโคลนแล้วเสียงไม่เหมือนฉันเลย" ผมเคยเจอปัญหาเดียวกัน ตอนแรกโทษเว็บ แต่จริง ๆ แล้วมันอยู่ที่เรา – ถ้าอัดในห้องที่มีเสียงก้องหรือมีแอร์ดัง โคลนออกมาเสียงจะลอย ๆ ไร้มิติ
อีกอย่างที่หลายคนมองข้าม – พูดด้วยน้ำเสียงปกติ อย่าไปตั้งใจอ่าน เหมือนอ่านข่าวก็จะได้เสียงแข็ง ๆ AI เลียนแบบความตึงเครียดนั้นออกมาเป๊ะ ๆ ลองพูดเหมือนคุยกับเพื่อน แล้วเสียงที่โคลนจะมีความเป็นธรรมชาติขึ้นเยอะ
สำหรับคนที่อยากได้เสียงแบบมืออาชีพ ลองดูตัวอย่างใน บทความแนะนำ ที่เขาให้เทคนิคอัดเสียงด้วยไมค์โทรศัพท์ก็พอ แต่ต้องอยู่ห้องเงียบ ๆ แล้วเอาไมค์ใกล้ปาก 15 ซม. จะดีที่สุด
3. วิธีใช้เสียงโคลนหลายภาษาให้ "ไม่หลอกหู" – เทคนิคจากที่ลองผิดลองถูก
บอกตรง ๆ ว่าแรก ๆ ผมก็กดปุ่มทีละภาษาแล้วฟังทีละไฟล์ วุ่นวายมาก แต่พอใช้ไปเรื่อย ๆ เจอวิธีที่ง่ายกว่า – ให้โคลนเสียงไว้ 1 ครั้ง แล้วใช้ เครื่องมือแปลงข้อความเป็นเสียง ที่เขามีให้เลือกหลายภาษา ตรงนั้นเราสามารถพิมพ์ข้อความแล้วเลือกภาษาได้เลย โดยใช้เสียงโคลนเดียวกัน
เทคนิคที่ใช้ได้ผล – เวลาพิมพ์ข้อความภาษาต่างประเทศ ให้เขียนด้วยคำอ่านภาษาไทยกำกับด้วย เช่น ภาษาอังกฤษ "Hello" → "เฮลโล" จะช่วยให้เสียงออกมาเป็นธรรมชาติกว่า ฟังดูไม่เพี้ยน เหมือนมีคนพูดจริง ๆ
แล้วก็เรื่องการเว้นวรรค – อย่าลืมใส่เครื่องหมายจุลภาคหรือมหัพภาคให้ถูกที่ AI จะได้หายใจถูกจังหวะ ถ้าพิมพ์เป็นบล็อกยาว ๆ ไม่มีวรรค เสียงจะออกมาเร็วปรื๊ดเหมือนคนตื่นเต้น
4. จากเสียง 5 วินาที ไปสู่งานพากย์จริง – ตัวอย่างที่ทำแล้วเวิร์ก
เล่าให้ฟัง – เพื่อนผมเป็นเจ้าของบริษัทเล็ก ๆ แห่งหนึ่ง เขาอยากทำวิดีโอแนะนำบริษัทเป็น 3 ภาษา แต่ไม่มีงบจ้างนักพากย์ ผมแนะนำให้ลองโคลนเสียงเขา 5 วินาที แล้วใช้ VoxClone พากย์เป็นภาษาอังกฤษและญี่ปุ่น ผลที่ได้... เพื่อนบอกว่า "ฟังแล้วเหมือนเราพูดเอง แต่สำเนียงดีกว่า" ฮ่า ๆ
แถมยังเอาไปทำเสียงเรียกเข้าด้วย – เพื่อนอีกคนใช้ โหลดเสียงเรียกเข้า ไอ โฟน ฟรี จากเสียงตัวเองโคลน ตั้งเป็นเสียงเรียกเข้าของแฟน สลับกับเสียงพากย์จีนว่า "ที่รัก รับสายหน่อย" ก็สร้างสีสันดี
เรื่องนี้ทำให้เห็นว่า 5 วินาทีไม่ใช่ข้อจำกัดถ้ารู้วิธีใช้ – เริ่มจากเสียงตัวอย่างที่ชัด แล้วปรับเล็กน้อยตามภาษา ถ้าอยากให้เนียนกว่านั้น ลองอัด 15-30 วินาที พูดประโยคหลากหลายเสียงสูงต่ำ แล้วเอาไปโคลนใหม่
ถ้าถามผมว่า 5 วินาทีพอไหม? ตอนนี้ตอบได้เลยว่า – พอสำหรับเริ่ม แต่ถ้าอยากให้เสียง "มีชีวิต" ลองเพิ่มเวลาอัดอีกนิด แล้วเลือกเสียงต้นทางที่พูดได้หลายภาษา เช่น ลองอัดเสียงคนที่ทำงานในบริษัท เฟิร์ส เทคโนโลยี่ จํากัด หรือบริษัท โปรเฟสชั่นแนล เมดิคอล ซายน์ จํากัด ที่ใช้ภาษาอังกฤษทำงานเป็นประจำ เสียงที่โคลนออกมาจะพากย์อังกฤษได้เนียนกว่าเสียงคนไทยทั่วไป
มีเพื่อนอีกคนทำงานที่บริษัท ซินโฟเนียร์ เทคโนโลยี ประเทศไทย จํากัด เขาบอกว่าใช้โคลนเสียงไปพากย์คู่มือการใช้โฟล์คลิฟท์เป็น 3 ภาษาให้พนักงานในคลัง – ช่วยลดงานเอกสารไปได้เยอะ ส่วนอีกคนที่บริษัท เลิฟ อินโนเวชั่น เอ็นจิเนียริ่ง จํากัด ก็ใช้ทำเสียงประกาศในโรงงาน แทนที่จะต้องจ้างคนอ่านทุกครั้ง
ก็มีบ้างที่เจอปัญหาเสียงติดหุ่นตอนพากย์ภาษาเยอรมัน – แต่ลองปรับด้วยการเพิ่มระยะหยุดระหว่างประโยคแล้วก็ดีขึ้น ที่สำคัญอย่าลืมทดสอบกับหูตัวเอง ฟังซ้ำ ๆ แล้วปรับเรื่อย ๆ จนกว่าจะพอใจ – เพราะสุดท้ายแล้วเสียงที่ใช้ได้จริงคือเสียงที่เราฟังแล้วไม่รู้สึกขัดหู อย่างน้อยก็สำหรับตัวเราเอง
ลองเปิด VoxClone แล้วอัดเสียง 5 วินาทีของคุณดู อย่าลืมพูดเหมือนคุยกับเพื่อน ไม่ใช่ท่องหนังสือ แล้วฟังผล – ผมว่าคุณจะเซอร์ไพรส์ว่าเสียงตัวเองในอีกภาษาหนึ่งเป็นยังไง