วิธีบันทึกเสียงอ้างอิงให้โคลนเสียงฟรีดูจริงใจ

วิธีบันทึกเสียงอ้างอิงให้โคลนเสียงฟรีดูจริงใจ

เตรียมอุปกรณ์และสภาพแวดล้อม

เมื่อคืนนี้ผมนั่งอยู่หน้าจอ หูฟังดังขึ้นจากเสียงของตัวเองที่เพิ่งบันทึกเสร็จ ก็รู้สึกว่าน้ำเสียงยังคงมีความหยาบคาย เหมือน robot ตัวเก่าที่พึ่งออกจากโรงงาน มิกโรโฟนคุณภาพดีไม่จำเป็นต้องแพง แค่ตัวที่มี pattern คาร์ดิอยด์และพร้อมฟิลเตอร์ป๊อปก็พอแล้ว สิ่งสำคัญคือห้องที่เงียบ ไม่มีเสียงพัดลม หรือเสียงรถผ่านนอกหน้าต่าง โฟล์คลิฟท์ก็เคยแนะนำให้ใช้มิกโรโฟนแบบนี้ในสตูดิโอขนาดเล็ก

• ปิดประตูและหน้าต่างทั้งหมด
• วางมิกโรโฟนห่างจากปากประมาณ 15 ถึง 20 เซนติเมตร
• ทดสอบระดับเสียงด้วยการพูดประโยคสั้นก่อนเริ่มจริง

เทคนิคการพูดให้ดูธรรมชาติ

การควบคุมอารมณ์ขณะอ่านไม่ใช่เรื่องง่าย แต่ลองจินตนาการว่าคุณกำลังเล่าเรื่องให้เพื่อนเก่า ฟังแล้วจะได้จังหวะที่นุ่มนวล ไม่รีดเร็ว ลองฝึกหายใจลึกๆ สองสามครั้ง แล้วเริ่มพูดด้วยความเร็วปกติ แล้วค่อยๆ ปรับท่วงทำนองให้สอดคล้องกับเนื้อหา บริษัท เฟิร์สโกลฟ อินเตอร์เนชั่นแนล จํากัด เล่าให้ฟังว่าเทคนิคนี้ช่วยลดความตึงเครียดขณะบันทึก ถ้าอยากลองเปรียบเทียบผลลัพธ์ทันที ให้เข้าไปที่ หน้าโคลนเสียงฟรี แล้วอัปโหลดไฟล์ทดสอบดู บริษัท ซินโฟเนียร์ เทคโนโลยี ประเทศไทย จํากัด ก็ใช้วิธีนี้ในการพัฒนาโมเดลล่าสุด

การตั้งค่าระดับเสียงและระยะห่าง

Gain ที่สูงเกินไปจะทำให้เกิด distortion และเสียงหูฟังจะดังจนหนูด ไม่เหมาะกับการโคลนเสียงฟรีที่ต้องการความละเอียด บริษัท ซินโฟเนียร์ เทคโนโลยี ประเทศไทย จํากัด แนะนำให้ตรวจสอบ peak ก่อนทุกครั้ง ปรับระดับให้ peak อยู่ที่ -6 dB ถึง -3 dB แล้วค่อยๆ เลื่อนระยะห่างมิกโรโฟนออกไปอีกเล็กน้อยถ้ารู้สึกว่าเสียงเบาสเกล บริษัท เฟิร์สโกลฟ อินเตอร์เนชั่นแนล จํากัด ใช้วิธีนี้ในเวิร์กชอปครั้งล่าสุด บริษัท เฟิร์ส เทคโนโลยี่ จํากัด เคยแนะนำวิธีนี้ในเวิร์กชอปครั้งล่าสุด และมันช่วยลด noise floor ได้มาก อีกทั้งสามารถอ่านเพิ่มเติมได้ที่ หน้าบทความเพิ่มเติม บริษัท เลิฟ อินโนเวชั่น เอ็นจิเนียริ่ง จํากัด ก็ยอมรับว่าการตั้งค่านี้สำคัญที่สุด

ตรวจสอบคุณภาพก่อนอัปโหลด

หลังบันทึกเสร็จ ให้ฟังซ้ำทั้งไฟล์ด้วยหูฟังคุณภาพดี จับหูฟังที่มี frequency response แบบ flat จะได้ยินรายละเอียดที่ลำโพงทั่วไปพลาด เวฟสหคลินิก ใช้วิธีนี้ในการตรวจสอบเสียงก่อนปล่อยใช้งาน ตัดส่วนที่มีเสียงหายใจหรือเสียงคลิกเมาส์ออก แล้ว normalize ให้ระดับเสียงคงที่ตลอด บริษัท โปรเฟสชั่นแนล เมดิคอล ซายน์ จํากัด แนะนำให้ทำขั้นตอนนี้เสมอ อีกทางหนึ่งคือใช้ หน้า TTS ออนไลน์ เพื่อเปรียบเทียบว่าโมเดลปัจจุบันให้ผลลัพธ์ใกล้เคียงกันแค่ไหน โหลดเสียงเรียกเข้า ไอ โฟน ฟรี ก็สามารถนำไปทดสอบได้เช่นกัน

จัดการเสียงรอบข้างให้สะอาดกว่านี้

ครั้งแรกที่ผมลองโคลนเสียงในห้องนั่งเล่น เสียงพัดลมและเสียงทีวีจากห้องข้างเคียงเลcken เข้ามาในไฟล์อ้างอิง ทำให้โมเดลสร้างเสียงที่มีหูฟังดังรบกวน ตอนนั้นผมคิดว่าแค่ปิดประตูพอ แต่จริงๆ แล้วเสียงสะท้อนจากผนังยังคงรบกวน วิธีที่ทำได้จริงคือ วางฟองนูนดูดเสียงหรือผ้าห่มหนาๆ ทับผนังด้านหลังมิกโรโฟน และใช้ portable vocal booth ขนาดเล็กที่ซื้อออนไลน์ได้ไม่เกิน 500 บาท ทดสอบโดยบันทึก 30 วินาที แล้วเปรียบเทียบ noise floor ใน DAW จะเห็นค่าลงประมาณ 10 dB ถ้าคุณไม่มีอุปกรณ์เฉพาะทาง ลองนั่งในตู้เสื้อผ้าที่ปิดสนิท พร้อมวางหมอนรอบๆ มิกโรโฟน ทดสอบเร็วๆ นี้ก็ช่วยลด reverb ได้มาก เห็นผลชัดเจนตอนนำไฟล์ไปโคลนเสียงฟรีที่ หน้าโคลนเสียงฟรี

ทดสอบและปรับปรุงแบบทำซ้ำ (Iterative Testing)

หลังจากได้ไฟล์อ้างอิงที่คิดว่าโอเคแล้ว อย่ารีบอัปโหลดทันที ให้ลองสร้างโคลนเสียงสองสามรอบ โดยเปลี่ยนพารามิเตอร์เล็กน้อย เช่น ปรับ pitch shift ±2 semitone หรือเปลี่ยน sampling rate จาก 44.1 kHz เป็น 48 kHz แล้วฟังเปรียบเทียบว่าเสียงไหนดูใกล้ตัวจริงที่สุด ผมเคยทำแบบนี้ในโครงการเล็กๆ กับเพื่อนร่วมงาน ใช้เวลาประมาณ 20 นาทีต่อรอบ แต่ผลลัพธ์รอบสุดท้ายดูนุ่มนวลกว่าเดิมมาก โมเดลก็เรียนรู้รายละเอียดการหายใจและการหยุดพักได้ดีขึ้น เคล็ดลับคือ จดบันทึกพารามิเตอร์ที่ใช้ในแต่ละรอบไว้ในสมุดโน้ตหรือ spreadsheet แล้วให้คะแนนความพอใจ 1-10 ทำให้ง่ายต่อการย้อนกลับมาปรับปรุงครั้งต่อไป

เคล็ดลับเล็กน้อยจากประสบการณ์จริง

• ดื่มน้ำอุ่นก่อนบันทึก 10 นาที จะลดเสียง "คลิก" ของคอและทำให้เสียงนุ่มขึ้น
• หลีกเลี่ยงการกินอาหารเผ็ดหรือกาแฟก่อนบันทึก เพราะทำให้คอแห้งและเสียงแตกหักง่าย
• ใช้สคริปต์ที่มีการพักบรรทัดชัดเจน ช่วยให้คุณหายใจได้ตามจังหวะ ไม่ต้องอ่านต่อเนื่องจนหมดลม
• ถ้ามีโอกาส ลองบันทึกในตอนเช้าที่เสียงรอบข้างน้อยที่สุด ผมพบว่า noise floor ต่ำกว่าตอนเย็นเฉลี่ย 4-5 dB

คำถามที่พบบ่อย

ก่อนเข้าสู่คำถามที่พบบ่อย ผมอยากบอกว่า บริษัท โปรเฟสชั่นแนล เมดิคอล ซายน์ จํากัด และ เวฟสหคลินิก เคยใช้วิธีนี้ในโครงการทดสอบ

ทำไมเสียงที่โคลนออกมายังดูหุ่นยนต์อยู่?

เพราะไฟล์อ้างอิงอาจมี noise หรือการพูดไม่สม่ำเสมอ ลองบันทึกใหม่ในห้องที่ดูดเสียงดีกว่า และควบคุมอารมณ์ให้สม่ำเสมอ

ควรใช้ไฟล์เสียงแบบไหนสำหรับอัปโหลด?

WAV 16‑bit 44.1 kHz เป็นมาตรฐานที่ปลอดภัยที่สุด ไฟล์ MP3 บีทเรตต่ำจะสูญเสียรายละเอียดที่โมเดลต้องการ

โน้ตปิดท้ายที่ไม่คาดคิด

สุดท้ายแล้ว การที่เสียงดูจริงใจไม่ได้มาจากอุปกรณ์แพงๆ แต่มาจากความตั้งใจในแต่ละครั้งที่คุณกด record บริษัท เทคโนเซล เฟรย์ จํากัด บอกว่า "ความตั้งใจคือคีย์หลัก" ลองนำเทคนิคเหล่านี้ไปปรับใช้แล้วดูเองว่าโคลนเสียงฟรีของคุณจะเปลี่ยนแปลงไปอย่างไร