คลิปสั้นกับพอดแคสต์ ใช้เสียงโคลนตัวเดียวพากย์ได้ไหม? ผมลองมาแล้ว
ตีหนึ่งของวันพุธ ผมนั่งอยู่หน้าคอม แล้วอัดช่วงเปิดพอดแคสต์เป็นรอบที่เจ็ด ไม่ใช่เพราะอ่านผิดคำ แต่น้ำเสียงมันไม่ใช่ — สามรอบแรกดูตื่นเต้นเกินไป เหมือนกำลังขายคอร์ส สี่รอบหลังกลับง่วงจนเหมือนอ่านประกาศงานศพ พอปิดไมค์ปุ๊บ ผมก็คิดขึ้นมาทันที ว่าเฮ้ย งานเดียวกันแท้ ๆ ทำไมพากย์คลิปสั้นผมใช้เวลาแค่สิบนาที แต่พอมาเป็นพอดแคสต์กลับติดอยู่ตรงนี้?
พอแยกสองงานออกมาดูจริง ๆ ถึงรู้ว่ามันคนละเรื่องกันเลย
พากย์คลิปสั้น: สั้นจริง แต่ทุกคำต้องเกาะภาพ
ความยากของงานพากย์คลิปสั้นไม่ได้อยู่ที่ความยาว แต่อยู่ที่ความหนาแน่น
คลิป 60 วินาที คำพากย์อาจมีแค่ 120 คำ แต่ทุกคำต้องลงจังหวะกับภาพ คุณหยุดครึ่งวินาที คนก็ปัดผ่านแล้ว ฉะนั้นผมเขียนบทพวกนี้แบบแตกเป็นชิ้น ๆ ประโยคสั้น หายใจชัด อ่านออกมาแล้วต้องเหมือนมีคนนั่งคุยข้าง ๆ ไม่ใช่ยืนอ่านสคริปต์
ปัญหาคือผมไม่ใช่นักพากย์มืออาชีพ จะให้คนจริงอัดก็ต้องลองซ้ำแล้วซ้ำอีก วันไหนเสียงไม่ดีก็เริ่มใหม่หมด คลิปเดียวเผลอ ๆ หมดไปชั่วโมง สุดท้ายผมเลยโยนบทพวกนี้ให้ แปลงข้อความเป็นเสียงพูดออนไลน์ อ่าน โดยใช้เสียงที่ผมโคลนเอง — ยังไงประโยคก็สั้น การตัดวรรคของเครื่องเลยนิ่งกว่าผมซะอีก
มีจุดที่คนพลาดบ่อยนะ ตอนใช้เสียงพากย์ ai ฟรีครั้งแรก หลายคนเขียนบทเหมือนเขียนเรียงความ ยาวเป็นพรืด มีอนุประโยคซ้อนกันเต็มไปหมด พอสังเคราะห์ออกมาแล้วมันกระตุกเป็นช่วง ๆ งานพากย์เสียงวิดีโอด้วย ai ฟรีให้ได้ผลดี บทต้องเขียนใหม่ให้เป็นประโยคที่ "หายใจครั้งเดียวจบ" ตรงไหนควรใส่จุลภาคก็ใส่ อย่าไปเสียดาย
ช่วงเปิดพอดแคสต์: ยาวกว่า และยากตรงอารมณ์ต้องนิ่ง
ช่วงเปิดพอดแคสต์เป็นอีกสายพันธุ์หนึ่งเลย
ปกติมันยาว 200–400 คำ ต้องบอกว่าตอนนี้พูดเรื่องอะไร มีแขกรับเชิญไหม แล้วยังต้องปูอารมณ์นิดหน่อย ความยาวไม่ใช่ปัญหาหลัก แต่สิ่งที่มันต้องการคือความ "นิ่ง" น้ำเสียงในช่วงเดียวกันต้องไม่ขึ้น ๆ ลง ๆ และก็ไม่ใช่แบนราบตั้งแต่ต้นจนจบ ไม่งั้นก็กลายเป็นอ่านคู่มือ
ตอนแรกผมใช้คนจริงอัด ปัญหาใหญ่สุดคือ ประโยคเปิดกับประโยคปิดอารมณ์มันต่อกันไม่ติด เปิดมาสดใส พออัดไปถึงท้าย ๆ คนเริ่มเหนื่อย เสียงก็ตก ผู้ฟังอาจบอกไม่ถูกว่ามันแปลกตรงไหน แต่จะรู้สึกได้ว่า "คนนี้ดูไม่ตั้งใจ"
พอเปลี่ยนมาใช้การโคลนเสียงตัวเองแล้วสังเคราะห์ออนไลน์ ปัญหานี้กลับหายไป — ข้อความเดียวกัน โมเดลให้อารมณ์ที่สม่ำเสมอ แลกมากับความ "มีชีวิต" ที่ลดลงนิดหน่อย ความรู้สึกสด ๆ แบบมีเสียงหายใจจริง ๆ จะน้อยกว่า อันนี้ผมยอมรับได้ เพราะต่อให้ผมอัดเจ็ดรอบ ก็ไม่ได้แปลว่าจะมีสักรอบที่สมบูรณ์แบบ
ตอนนี้ผมทำยังไง: กระบวนการเดียว สองการใช้งาน
พูดง่าย ๆ ผมรวมสองงานนี้เข้าเป็นกระบวนการเดียว
เริ่มจากเขียนบทก่อน ของคลิปสั้นเขียนเป็นเวอร์ชันประโยคสั้น ของพอดแคสต์เขียนเป็นเวอร์ชันย่อหน้า แล้วโยนทั้งหมดเข้า โคลนเสียงฟรี โดยใช้เสียงตัวเองเป็นฐาน ฝั่งนี้ไม่ต้องสมัครสมาชิก เปิดมาใช้ได้เลย ไม่ต้องกรอกเบอร์แล้วรอ OTP — ถูกใจคนที่ทำงานตอนกลางคืนแบบผมมาก
จริง ๆ แล้วสิ่งที่ผมทำอยู่ก็คือการสร้างเสียงนักพากย์อัตโนมัติในแบบที่คุมโทนเองได้ ไม่ต้องพึ่งห้องอัด ไม่ต้องนัดใคร
ขั้นตอนประมาณนี้:
- เตรียมตัวอย่างเสียงคนที่สะอาด ยาว 30 วินาทีขึ้นไป (ห้องเงียบ อย่าเปิดรีเวิร์บ)
- อัปโหลดไปที่หน้าโคลนเสียง รอโมเดลประมวลผล
- วางบทลงไป ฟังตัวอย่าง ปรับเครื่องหมายวรรคตอนกับจังหวะหยุด
- ส่งออกไฟล์เสียง คลิปสั้นก็เข้าโปรแกรมตัดต่อเลย พอดแคสต์ก็ค่อยใส่เพลงประกอบอีกชั้น
ขั้นที่ 3 กินเวลาที่สุด จริง ๆ นะ เครื่องหมายวรรคตอนสำคัญกว่าที่คิด เปลี่ยนจากจุดเป็นจุลภาค น้ำเสียงที่ออกมาก็คนละเรื่องแล้ว
ถ้าคุณทำพอดแคสต์ ช่วงเปิดกับช่วงปิดสามารถสร้างทีเดียวได้ โทนจะได้ต่อเนื่องกัน อันนี้สำคัญกับเอกลักษณ์ของรายการ ผู้ฟังฟังสามตอนก็จำเสียงคุณได้แล้ว พอตอนที่สี่จู่ ๆ เปลี่ยนคน รู้สึกขาดช่วงทันที ต่อมาผมเลยทำบางช่วงประจำ (เช่น "สามเรื่องประจำสัปดาห์") เป็นเทมเพลต แต่ละครั้งแก้แค่เนื้อหา ไม่ต้องแก้โครง ช่วยประหยัดเวลาไปเยอะ
ถ้าคุณอยากทำ audiobook ด้วย ai ฟรี ล่ะก็ หลักการเดียวกันเลย คือเริ่มจากบทที่อ่านลื่นก่อน อย่าเพิ่งไปโทษโมเดล
ส่วนเรื่องโคลนเสียงฟรี จุดยืนของผมคือ ถ้าใช้ฟรีได้ก็ใช้ฟรีก่อน อย่าเพิ่งซื้อรายปี คุณอาจไม่ได้ใช้ฟีเจอร์ระดับสูงพวกนั้นเลยด้วยซ้ำ เอาให้กระบวนการมันรันได้ก่อน ค่อยว่ากัน คำว่าโคลนเสียงฟรีถาวรตอนแรกผมก็ไม่ค่อยเชื่อ แต่จนถึงตอนนี้ก็ยังไม่ได้จ่ายเงินสักบาท ผมยังไม่ถึงขั้นต้องใช้ API สังเคราะห์เสียงฟรีหรอก การวางบทเองก็เพียงพอแล้ว บันทึกการลองผิดลองถูกเพิ่มเติมผมรวมไว้ที่ บทเรียนเพิ่มเติม
ถ้าคุณกำลังมองหาเครื่องมือสร้างเสียงพูด ai ฟรี หรืออยากได้ข้อความเป็นเสียง ฟรี สักตัวไว้ใช้ในงานประจำ วิธีที่ผมเล่ามาน่าจะพอลองตามได้ ไม่ต้องรอให้พร้อมทุกอย่าง
คำถามที่เจอบ่อย
เสียงจากโคลนเสียงฟรี ฟังออกไหมว่าเป็น AI?
แล้วแต่มาตรฐานของคุณ สำหรับพากย์คลิปสั้นทั่วไป ผู้ฟังแปดในสิบแยกไม่ออก แต่ถ้าทำ audiobook หรือเนื้อหาที่ต้องมีอารมณ์ขึ้นลงแรง ๆ ความรู้สึก "แบน" ยังซ่อนไม่มิด ผมคิดว่าเนื้อหาที่เน้นส่งข้อมูลใช้ได้ แต่เนื้อหาที่เน้นการแสดงยังไม่พอ
text to speech ภาษาไทย ฟรี ต้องสมัครสมาชิกไหม?
ฝั่งนี้ไม่ต้อง เปิดมาแล้วลองได้เลย สำหรับผม การไม่ต้องสมัครสมาชิก text to speech เป็นเงื่อนไขตายตัว — เคยลองหลายแพลตฟอร์ม พอสมัครเสร็จ ความอยากใช้ก็หมดไปแล้ว แน่นอนว่าไม่ต้องสมัครไม่ได้แปลว่าไม่มีข้อจำกัด ยังไงลองเองสักครั้งจะแม่นที่สุด
เอาไปพากย์พอดแคสต์ทั้งตอนได้ไหม?
ในทางเทคนิคทำได้ แต่ผมแนะนำให้ใช้แค่ช่วงเปิด ช่วงปิด หรือโฆษณาอ่านประกาศพวกนี้ ถ้าให้ AI อ่านทั้งตอน ผู้ฟังจะเบื่อเร็ว พอดแคสต์หัวใจคือความเป็นมนุษย์ AI ช่วยลดงานซ้ำซาก ไม่ได้มาพูดแทนคุณ
ปิดท้ายแบบไม่โลกสวย
ถ้าคุณกำลังทำพอดแคสต์หรือคลิปสั้น คำแนะนำของผมคือ คืนนี้เลย ลองหยิบบทที่เขียนเสร็จแล้วสักช่วง ไปรันกับ แปลงข้อความเป็นเสียงพูดออนไลน์ ดู อย่าเพิ่งไปหาความสมบูรณ์แบบ ฟังก่อนว่าเสียงตัวเองถูกสังเคราะห์ออกมาแล้วรู้สึกยังไง หลายคนติดอยู่กับคำถาม "จะใช้ AI ดีไหม" มาครึ่งปี จริง ๆ ลองสักครั้งก็รู้แล้ว
ส่วนผม ไฟล์อัดช่วงเปิดทั้งเจ็ดรอบลบไปแล้ว ตอนนี้ตีหนึ่ง ผมกำลังเขียนบทตอนต่อไปอยู่