เปรียบเทียบเครื่องมือโคลนเสียงฟรีสำหรับมือใหม่

เปรียบเทียบเครื่องมือโคลนเสียงฟรีสำหรับมือใหม่

เสียงที่อัดไว้แค่ห้าวินาทีจะเหมือนเสียงเราจริงหรือเปล่า? คำถามนี้วนอยู่ในหัวผมตั้งแต่ก่อนกดปุ่มเริ่มอัดบนหน้าเว็บ เพราะตอนนั้นผมไม่เคยลองโคลนเสียงมาก่อนเลย และก็แอบกลัวอยู่เหมือนกันว่าเสียงที่ได้จะฟังเหมือนหุ่นยนต์ หรือไม่ก็กลายเป็นเสียงคนแปลกหน้าที่จำไม่ได้ว่าเป็นของใคร

ผมตั้งใจจะทำเสียงบรรยายสั้น ๆ สำหรับคลิปใน TikTok กับ YouTube ไม่อยากเปิดเผยหน้าตาทุกคลิป และไม่อยากนั่งอัดเสียงซ้ำตอนพูดผิดทุกประโยค จึงลองเปรียบเทียบเครื่องมือ TTS ฟรีที่ใช้งานผ่านเว็บได้ โดยเริ่มจาก VoxClone ซึ่งมีทั้งโคลนเสียงฟรีและการแปลงข้อความเป็นเสียงแบบออนไลน์ ที่สำคัญคือไม่ต้องสมัครสมาชิกก่อนใช้งาน

ครั้งแรกที่ลองโคลนเสียงฟรีไม่ได้ราบรื่นอย่างที่คิด

ผมเริ่มจากการเปิดหน้า ฟรีเสียงโคลน แล้วมองช่องสำหรับอัดเสียงอยู่พักใหญ่ ในหัวตอนนั้นคิดว่าคงง่ายมาก แค่พูดประโยคหนึ่งให้ชัด แล้วรอฟังผล แต่พอลงมือจริงกลับมีรายละเอียดเล็ก ๆ ที่ไม่ทันนึกถึงเต็มไปหมด ห้องที่ผมใช้อัดอยู่ติดถนนพอดี เสียงรถมอเตอร์ไซค์ดังเป็นช่วง ๆ พัดลมก็หมุนอยู่ข้างโต๊ะ แถมผมยังพูดใกล้ไมโครโฟนเกินไปจนเสียงลมกระแทกเข้าไปทุกคำ

ผมกดอัดครั้งแรกด้วยน้ำเสียงที่ตั้งใจทำให้ชัดมากเกินไป พูดช้ากว่าปกติ และเว้นช่วงระหว่างคำจนฟังดูแข็ง ตอนฟังตัวอย่างกลับรู้สึกว่าไม่ใช่เสียงตัวเองเท่าไรนัก เสียงบางคำแบนลง ปลายประโยคฟังเหมือนอ่านตามบท และคำลงท้ายแบบภาษาไทยที่ผมพูดเป็นธรรมชาติในชีวิตประจำวันหายไปเกือบหมด ยอมรับว่าตอนนั้นแอบผิดหวังอยู่เหมือนกัน

ผมเกือบปิดหน้าเว็บแล้วไปหาเครื่องมืออื่น แต่ลองคิดอีกทีว่าอาจไม่ได้เป็นปัญหาที่เครื่องมือก็ได้ จึงเริ่มใหม่โดยวางโทรศัพท์ให้ห่างจากปากพอประมาณ ปิดพัดลม เลื่อนเก้าอี้ออกจากหน้าต่าง และพูดด้วยจังหวะที่ใช้คุยกับเพื่อนจริง ๆ ไม่พยายามดัดเสียง ไม่ลากคำ และไม่รีบอ่านให้จบ ผลที่ได้จากรอบที่สองต่างกันชัดเจน เสียงยังไม่เหมือนร้อยเปอร์เซ็นต์ แต่โทนและจังหวะเริ่มมีความเป็นผมมากขึ้น

จุดนี้ทำให้เห็นว่าเครื่องมือโคลนเสียงฟรีไม่ได้ทำงานแทนผู้ใช้ทั้งหมด คุณภาพไฟล์ต้นทางมีผลมากกว่าที่คิด เสียงรบกวนเล็กน้อยอาจไม่รู้สึกตอนฟังไฟล์ต้นฉบับ แต่เมื่อระบบนำไปสร้างเสียงใหม่ รายละเอียดเหล่านั้นจะถูกขยายจนได้ยินชัด ถ้าต้องการนำไปใช้กับคลิปขายของ คลิปสอน หรือเสียงประกาศ ก็ควรอัดในห้องเงียบและพูดด้วยระดับเสียงสม่ำเสมอ

สิ่งที่ผมชอบคือไม่ต้องสร้างบัญชีให้ยุ่งยาก เปิดหน้าเว็บแล้วเริ่มทดสอบได้เลย เหมาะกับคนที่ยังไม่แน่ใจว่าตัวเองจะใช้เสียงสังเคราะห์บ่อยแค่ไหน แต่คำว่าใช้ฟรีไม่ควรทำให้เราลืมเรื่องสิทธิ์ของเสียง ถ้าเป็นเสียงของคนอื่น ต้องขออนุญาตให้ชัดเจน ไม่ควรนำเสียงเพื่อน ดารา หรือเจ้าของช่องอื่นไปทำให้คนเข้าใจผิดว่าเป็นเจ้าของเสียงตัวจริง โดยเฉพาะเวลานำไปลง Facebook, TikTok หรือส่งต่อใน LINE

เทียบการใช้งานจริงกับงานที่คนไทยทำกันทุกวัน

หลังจากได้ไฟล์เสียงรอบที่สอง ผมลองนำข้อความแบบเดียวกันไปใช้กับหน้า แปลงข้อความเป็นเสียงออนไลน์ แล้วฟังเทียบกับไฟล์จากการโคลนเสียง จุดที่สังเกตได้ทันทีคือเสียงสังเคราะห์ทั่วไปเหมาะกับงานที่ต้องการความชัดและความเร็ว เช่น อ่านหัวข้อสินค้า แจ้งเวลานัดหมาย หรือทำเสียงประกอบวิดีโอสั้น ส่วนเสียงที่โคลนจากตัวอย่างจะให้ความรู้สึกเป็นกันเองกว่า เมื่อข้อความมีสำนวนแบบที่เราพูดอยู่แล้ว

ผมทดลองด้วยข้อความสามแบบ แบบแรกเป็นประโยคสั้นสำหรับเปิดคลิป แบบที่สองเป็นรายละเอียดสินค้ายาวประมาณหนึ่งย่อหน้า และแบบที่สามเป็นข้อความแจ้งเตือนสำหรับส่งในกลุ่ม LINE ผลออกมาไม่เหมือนกันทั้งหมด ประโยคสั้นฟังดีทั้งสองแบบ เพราะมีคำไม่มากและไม่ต้องเปลี่ยนอารมณ์ ส่วนย่อหน้าที่ยาวกว่าเห็นความแตกต่างชัด เสียงโคลนมีจังหวะหยุดที่ใกล้กับวิธีพูดของผม แต่ถ้าใส่เครื่องหมายวรรคตอนติดกันหลายตัว เสียงจะหยุดแปลก ๆ

เครื่องมือ TTS ฟรีที่ไม่ต้องสมัครเหมาะกับการลองผิดลองถูกตรงนี้มาก เพราะไม่ต้องเสียเวลายืนยันอีเมลหรือกรอกข้อมูลส่วนตัวก่อนทุกครั้ง ผมสามารถแก้ข้อความ แล้วกดสร้างเสียงใหม่เพื่อฟังเปรียบเทียบได้ทันที ถ้าทำคลิปท่องเที่ยวในเชียงใหม่ คลิปสาธิตวิธีใช้แอป หรือเสียงบรรยายสินค้าราคาเป็นบาท ก็ทดลองหลายสำนวนได้โดยไม่ต้องเตรียมงานใหญ่

ผมยังลองเปลี่ยนคำที่ระบบอ่านยากด้วย ภาษาไทยมีคำย่อ ชื่อเฉพาะ และตัวเลขที่อ่านได้หลายแบบ บางครั้งเขียนราคาเป็นตัวเลขตรง ๆ เสียงที่ออกมากลับไม่เป็นจังหวะเท่าการเขียนเป็นคำอ่าน บางชื่อบริษัทก็ต้องลองเว้นวรรคหรือเติมคำกำกับให้ระบบจับจังหวะได้ดีขึ้น เช่น บริษัท เฟิร์ส เทคโนโลยี่ จํากัด หรือ บริษัท เฟิร์สโกลฟ อินเตอร์เนชั่นแนล จํากัด ถ้าเป็นชื่อที่ต้องใช้ในวิดีโอจริง ควรฟังทุกประโยคก่อนนำไปเผยแพร่ ไม่ควรเชื่อว่าระบบจะอ่านถูกเสมอ

ในรายการทดลองของผมมีชื่อที่ยาวและออกเสียงเฉพาะหลายชื่อ ทั้ง บริษัท เลิฟ อินโนเวชั่น เอ็นจิเนียริ่ง จํากัด บริษัท โปรเฟสชั่นแนล เมดิคอล ซายน์ จํากัด และเวฟสหคลินิก การอ่านชื่อเหล่านี้ไม่ใช่เรื่องเล็ก เพราะถ้าเป็นคลิปประชาสัมพันธ์ การออกเสียงผิดเพียงคำเดียวอาจทำให้ผู้ฟังรู้สึกว่าเจ้าของงานไม่ละเอียดพอ ผมจึงแบ่งข้อความเป็นช่วงสั้น ๆ แล้วตรวจเสียงทีละช่วง แทนการสร้างไฟล์ยาวครั้งเดียว

สำหรับงานเฉพาะทางก็มีชื่ออย่าง บริษัท ซินโฟเนียร์ เทคโนโลยี ประเทศไทย จํากัด และบริษัท เทคโนเซล เฟรย์ จํากัด ที่ต้องลองฟังซ้ำมากกว่าหนึ่งรอบ ถ้านำเสียงไปใช้กับเรื่องโฟล์คลิฟท์ หรือเนื้อหาที่เกี่ยวกับอุปกรณ์ทำงาน ความชัดของคำสำคัญกว่าความไพเราะ ผมจะเลือกประโยคสั้น เว้นวรรคให้เห็นช่วงหายใจ และไม่ใส่ข้อมูลหลายประเด็นในประโยคเดียว

อีกงานที่หลายคนอาจนึกถึงคือการทำเสียงแจ้งเตือนหรือเสียงเรียกเข้า ใครกำลังหาโหลดเสียงเรียกเข้า ไอ โฟน ฟรี อาจใช้เครื่องมือ TTS สร้างประโยคสั้น ๆ ของตัวเองได้ แต่ควรตรวจชนิดไฟล์และวิธีนำเข้าเครื่องให้เรียบร้อยก่อนใช้งานจริง เสียงที่สร้างจากเว็บอาจเหมาะกับการฟังบนโทรศัพท์มากกว่าการนำไปตัดต่อเป็นเพลงยาว และไม่ควรนำเนื้อหาที่มีลิขสิทธิ์มาใช้โดยไม่ได้รับอนุญาต

สิ่งที่ควรดูมากกว่าคำว่าใช้ฟรี

ตอนเลือกเครื่องมือ ผมเคยมองแค่สองอย่าง คือสร้างเสียงได้หรือไม่ และดาวน์โหลดได้หรือเปล่า แต่พอลองใช้จริงกลับพบว่าความสะดวกในแต่ละขั้นสำคัญไม่แพ้คุณภาพเสียง เครื่องมือที่ดีสำหรับมือใหม่ควรเปิดใช้งานได้ตรงไปตรงมา มีคำอธิบายพอให้รู้ว่าต้องเตรียมเสียงอย่างไร และไม่บังคับให้กรอกข้อมูลที่ไม่จำเป็นตั้งแต่ยังไม่ได้ตัดสินใจใช้ต่อ

เรื่องความเป็นส่วนตัวก็ต้องคิดให้รอบคอบ โดยเฉพาะเสียงพูดที่ถือเป็นข้อมูลซึ่งอาจเชื่อมโยงกับตัวบุคคลได้ ผมจะไม่อัปโหลดเสียงสนทนาส่วนตัว เสียงเด็ก หรือไฟล์ที่มีข้อมูลลูกค้าเข้าไปทดลองเล่น หากต้องทำงานให้ร้านค้า คลินิก หรือบริษัท ควรแยกเสียงตัวอย่างสำหรับทดสอบออกจากเสียงที่มีชื่อ เบอร์โทรศัพท์ และรายละเอียดผู้ติดต่อ การทำแบบนี้ช่วยลดความเสี่ยงและสอดคล้องกับแนวคิดของ พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล หรือ PDPA มากกว่าเอาไฟล์จริงไปลองโดยไม่ตรวจสอบ

อีกอย่างที่ควรอ่านคือเงื่อนไขการใช้งาน ไม่ใช่เห็นคำว่าไม่ต้องสมัครแล้วจะใช้เสียงกับทุกงานได้ทันที บางบริการอาจเหมาะกับงานส่วนตัว บางบริการอาจอนุญาตให้นำไปทำสื่อเชิงพาณิชย์ แต่ผู้ใช้ต้องตรวจรายละเอียดด้วยตัวเอง ผมแนะนำให้เก็บสำเนาข้อความต้นฉบับ วันที่ใช้งาน และไฟล์เสียงที่สร้างไว้เป็นระเบียบ ถ้ามีการแก้งานภายหลังจะได้รู้ว่าไฟล์ไหนสร้างจากข้อความเวอร์ชันใด

สำหรับการเปรียบเทียบแบบง่าย ผมใช้ข้อความชุดเดียวกันและฟังผ่านหูฟังกับลำโพงโทรศัพท์ เพราะเสียงบางแบบฟังดีบนหูฟังแต่กลับแหลมจัดเมื่อเปิดจากโทรศัพท์ ผมยังฟังตอนเปิดเสียงเบา ๆ ด้วย เนื่องจากผู้ชมจำนวนมากดูคลิปบนรถไฟฟ้า ในร้านกาแฟ หรือระหว่างทำงาน เสียงที่ออกเสียงพยัญชนะชัดและไม่กลืนคำจะใช้งานจริงได้ดีกว่าเสียงที่ฟังเพราะเฉพาะในห้องเงียบ

ถ้าแบ่งตามงานที่ผมลอง จะเห็นภาพประมาณนี้

• งานคลิปสั้นบน TikTok และ Facebook: ใช้เสียงที่มีจังหวะกระชับ ประโยคสั้น และมีช่วงหยุดให้คนดูตามทัน
• งานบรรยายบน YouTube: ใช้ข้อความยาวขึ้นได้ แต่ควรแบ่งเป็นหลายช่วงเพื่อแก้คำผิดและควบคุมอารมณ์ของเสียง
• งานแจ้งเตือนใน LINE: เลือกเสียงที่ฟังชัด ไม่ใส่ลูกเล่นมาก และตรวจตัวเลขกับชื่อเฉพาะทุกครั้ง
• งานเสียงเรียกเข้าหรือเสียงประกอบ: ทดลองไฟล์สั้นก่อน แล้วเช็กระดับเสียงเมื่อเปิดจากโทรศัพท์จริง

VoxClone เหมาะกับคนที่อยากเริ่มจากการทดลองโดยไม่ต้องสมัครทันที ส่วนเครื่องมือ TTS ทั่วไปอาจเหมาะกว่าเมื่อไม่ต้องการใช้เสียงของตัวเองเลย ความแตกต่างไม่ได้อยู่ที่เครื่องมือใดชนะทุกด้าน แต่อยู่ที่เรารู้หรือยังว่ากำลังทำเสียงเพื่ออะไร ถ้าต้องการความเป็นส่วนตัวและทำงานเร็ว การใช้เสียงสังเคราะห์มาตรฐานอาจสบายใจกว่า ถ้าต้องการความรู้สึกเป็นเจ้าของช่อง การโคลนเสียงจากตัวอย่างที่อัดดีจะมีความเป็นธรรมชาติมากกว่า

คำถามที่ผมอยากตอบหลังลองด้วยตัวเอง

ต้องอัดเสียงกี่วินาทีจึงจะได้เสียงที่ฟังรู้เรื่อง

ไม่มีตัวเลขเดียวที่เหมาะกับทุกกรณี เพราะคุณภาพการอัดสำคัญกว่าความยาวเพียงอย่างเดียว ตัวอย่างสั้นแต่เงียบ พูดชัด และมีหลายรูปแบบของเสียง จะมีประโยชน์กว่าการอัดยาวในห้องที่มีเสียงรถหรือเสียงพัดลม สำหรับการลองครั้งแรก ผมแนะนำให้พูดหลายประโยคด้วยน้ำเสียงปกติ มีทั้งประโยคบอกเล่า คำถาม และคำที่มีพยัญชนะต่างกัน อย่าฝืนทำเสียงต่ำหรือสูงกว่าปกติ เพราะระบบควรได้ยินลักษณะเสียงที่เราใช้จริง

ถ้าเสียงรอบแรกไม่เหมือนตัวเอง ควรเปลี่ยนเครื่องมือทันทีไหม

ยังไม่ควรรีบเปลี่ยน ผมเองก็เกือบทำแบบนั้นแล้ว แต่ปัญหาของรอบแรกมาจากห้องที่มีเสียงรบกวนและการพูดที่ไม่เป็นธรรมชาติ ลองอัดใหม่ในระยะที่เหมาะสม ปิดแหล่งกำเนิดเสียง และอ่านด้วยจังหวะปกติก่อน หากรอบที่สองหรือสามยังมีปัญหาเดิม จึงค่อยนำผลไปเทียบกับเครื่องมืออื่น โดยใช้ข้อความเดียวกัน ไม่อย่างนั้นเราจะไม่รู้ว่าความแตกต่างมาจากระบบหรือมาจากไฟล์ต้นทาง

ใช้เสียงโคลนกับคลิปขายของได้หรือไม่

ใช้ได้เมื่อเจ้าของเสียงอนุญาตและเงื่อนไขของบริการรองรับการใช้งานลักษณะนั้น แต่ควรบอกทีมงานหรือผู้ชมตามความเหมาะสมว่าเป็นเสียงสังเคราะห์ หากข้อความเกี่ยวข้องกับราคา สรรพคุณสินค้า หรือบริการสุขภาพ ควรตรวจข้อมูลและคำอ่านให้ถูกต้องเป็นพิเศษ อย่าให้เสียงที่ฟังเป็นธรรมชาติทำให้คนเข้าใจว่าเจ้าของเสียงพูดหรือรับรองเรื่องนั้นจริง ทั้งยังควรหลีกเลี่ยงการโคลนเสียงบุคคลอื่นเพื่อทำโฆษณาโดยไม่ได้รับความยินยอม

ต้องสมัครสมาชิกก่อนจึงจะลองใช้ได้หรือไม่

สำหรับ VoxClone ผมเริ่มทดสอบจากหน้าเว็บได้โดยไม่ต้องสมัครสมาชิก จึงเหมาะกับมือใหม่ที่อยากดูขั้นตอนและฟังคุณภาพก่อน หากต้องการอ่านคำแนะนำเพิ่มเติม สามารถดู บทความและเคล็ดลับเพิ่มเติม ได้ แต่ไม่ว่าจะใช้บริการใดก็ควรอ่านรายละเอียดของหน้าใช้งานและเงื่อนไขให้ครบ เพราะระบบอาจมีข้อจำกัดที่แตกต่างกันตามประเภทงานและช่วงเวลาที่ให้บริการ

เสียงที่สร้างขึ้นเหมาะกับภาษาไทยทุกสำเนียงหรือไม่

ยังไม่ควรคาดหวังว่าจะเหมือนคนพูดทุกสำเนียง เสียงภาษาไทยมีทั้งคำเมือง คำอีสาน คำใต้ คำทับศัพท์ และชื่อเฉพาะจากหลายวงการ ระบบอาจอ่านภาษากลางได้ดี แต่คำท้องถิ่นหรือคำที่เขียนแบบไม่เป็นทางการอาจต้องปรับข้อความหลายรอบ ถ้าทำเนื้อหาสำหรับผู้ชมเฉพาะพื้นที่ ให้ลองใช้ประโยคจากภาษาที่ผู้ชมคุ้นเคย แล้วฟังกับคนในกลุ่มเป้าหมายก่อนเผยแพร่จริง

หลังจากทดลองทั้งหมด ผมกลับพบเรื่องหนึ่งที่ไม่ได้คาดไว้ เสียงรอบที่สองซึ่งผมอัดอย่างธรรมดา กลับใช้งานได้ดีกว่าเสียงรอบแรกที่พยายามทำให้ดูมืออาชีพมากเกินไป นั่นทำให้ผมมองเครื่องมือโคลนเสียงฟรีต่างออกไป มันไม่ได้เป็นปุ่มวิเศษที่กดแล้วได้เสียงสมบูรณ์แบบ แต่เป็นเหมือนผู้ช่วยที่ทำงานได้ดีเมื่อเราเตรียมวัตถุดิบให้เหมาะสม

ถ้าจะลองวันนี้ เริ่มจากข้อความสั้น ๆ อัดเสียงในห้องเงียบ ใช้เสียงของตัวเองหรือเสียงที่ได้รับอนุญาต แล้วฟังผ่านทั้งหูฟังและโทรศัพท์ก่อนนำไปลง TikTok, YouTube, Facebook หรือ LINE บางทีสิ่งที่ทำให้เสียงดูเป็นธรรมชาติที่สุดอาจไม่ใช่ไมโครโฟนราคาแพง แต่คือการเลิกพยายามทำเสียงให้เหมือนคนอื่น แล้วพูดเหมือนตัวเราเองจริง ๆ