อัดเสียง 5 วิ แล้วโคลนเสียงตัวเองได้จริงไหม? ลองใช้ VoxClone แปลงข้อความเป็นเสียงพูดในชีวิตจริง
ตอนที่เห็นครั้งแรกว่าอัดเสียงแค่ 5 วินาทีก็โคลนเสียงได้ ผมบอกเลยว่าหัวเราะ 5 วิเนี่ยนะ แค่ผมแนะนำตัวยังไม่ทันจบเลยด้วยซ้ำ คืนวันศุกร์ที่ผ่านมาเลยเปิด VoxClone ตั้งใจว่าจะลองแบบจริงจัง ถ้าผลออกมาแย่ก็จะเขียนเตือนคนอื่นไม่ให้เสียเวลา
สุดท้ายบทความเตือนภัยไม่ได้เขียน กลายเป็นรีวิวนี้แทน
5 วินาทีมันพอจริงหรือเปล่า
ผมใช้มือถืออัดเสียงตัวเองอ่านข่าว ดูนาฬิกาแล้วก็ประมาณ 5 วิกว่าๆ อัปโหลดเข้าไปที่หน้า โคลนเสียงฟรี ตลอดทั้งกระบวนการไม่มีให้สมัครสมาชิก ไม่ถามอีเมล ไม่มีแม้แต่แคปช่า ผมเตรียมใจไว้แล้วว่าจะโดนขอเบอร์โทร แต่มันไม่มีเลย
ผ่านไปไม่ถึงนาที ระบบโคลนเสร็จ ผมพิมพ์ข้อความที่ยังไม่เคยอัดลงไป แล้วให้มันอ่าน อธิบายยังไงดี... มันไม่ใช่ 100% แต่ประมาณ 85% น้ำเสียงสูงต่ำดูเป็นทางการกว่าตัวผมตอนพูดจริงนิดหน่อย แต่เสียงขึ้นจมูกกับหางเสียงที่ชอบลากตอนพูดยังอยู่ ภรรยาผมได้ยินจากในครัวยังโผล่หัวมาถามว่าเมื่อกี๊อัดคลิปเหรอ แค่นี้ก็ถือว่าผ่าน
หลังจากนั้นลองอัด 15 วิ กับ 30 วิ ผลออกมาเหมือนกว่าอีก สรุปคือ 5 วิใช้ได้ 30 วิดีกว่า อย่าหวังปาฏิหาริย์จาก 5 วิ แต่ถ้าใช้แก้ขัดนี่เพียงพอ
ฉากที่ 1: พากย์เสียงวิดีโอ ประหยัดเวลาสุดๆ
เพื่อนผมทำคลิปสั้น ต้องพากย์เสียงเองทุกคลิป พอเสียงแหบก็ต้องหยุดโพสต์ ผมเอาสคริปต์คลิป 3 นาทีของเขาใส่เข้าไป เลือกเสียงโคลนของเขา แล้วสร้างออกมาตรงกับภาพเลย
เขาบอกว่า "เสียงนิ่งกว่าตอนอัดเอง แต่ความรู้สึกมันน้อยกว่า" เรื่องอารมณ์นี่เป็นจุดอ่อนของเสียงพากย์ AI ในตอนนี้ คุณต้องไปปรับที่เครื่องหมายวรรคตอนกับการแบ่งประโยค ยิ่งใส่เครื่องหมายคำถามเยอะ ประโยคสั้นลง ผลลัพธ์เปลี่ยนทันที
ถ้าแค่อยากใส่เสียงให้ภาพกับข้อความ ใช้ แปลงข้อความเป็นเสียงพูด ที่มีเสียงสำเร็จรูปก็พอ ไม่จำเป็นต้องโคลนเสียงตัวเองก็ได้ เสียงผู้ชายผู้หญิงที่มีให้เลือกหลายเสียงก็ธรรมชาติ ไม่ใช่หุ่นยนต์ชัดๆ แบบที่เจอบ่อย
ฉากที่ 2: ข้อความยาวๆ วัดกันที่ความอดทน
ผมเลือกบทความ 4,000 คำโยนเข้าไป อยากรู้ว่าที่บอกว่าแปลงข้อความเป็นเสียงพูดไม่จำกัดมันจริงไหม สร้างครั้งเดียว ไม่ต้องแบ่งตอน ไม่จำกัดจำนวนคำ รอประมาณ 1-2 นาที เสียงทั้งบทก็ออกมา
มีคำที่อ่านผิดอยู่หนึ่งคำ ผมแก้วิธีเขียนแล้วสร้างใหม่ ก็เรียบร้อย ปัญหาเล็กๆ แบบนี้ต้องทำใจไว้บ้าง แต่แก้ไม่ยาก
ฉากที่ 3: เสียง纪念สำหรับผู้ใหญ่
ฉากนี้ผมไม่ได้คาดคิดมาก่อน ผมเอาเสียงคุณยายตอนท่านยังอยู่ (ประมาณ 20 วิ) มาโคลน ให้มันพูดประโยคที่ท่านพูดบ่อยๆ ตอนเปิดให้แม่ฟัง แม่เงียบไปหลายวินาที
เรื่องนี้คิดดีๆ มันซับซ้อน ทางอารมณ์แล้วแล้วแต่คน แต่ทางเทคนิคมันทำได้ และ VoxClone ที่ไม่ต้องสมัครสมาชิกก็เป็นมิตรกับผู้ใหญ่ที่ใช้คอมพิวเตอร์ไม่เก่ง เปิดเว็บ อัปโหลด สร้าง แค่สามขั้นตอน ไม่ต้องโหลดโปรแกรมโคลนเสียงอะไร ไม่ต้องศึกษาว่าจะต่อ API สร้างเสียงพูดฟรียังไง
ข้อควรระวังที่เจอมา
- สภาพแวดล้อมตอนอัดสำคัญกว่าความยาว: อัด 5 วิในห้องเงียบ ดีกว่าอัด 30 วิในที่เสียงดัง
- ภาษาอังกฤษกับตัวเลขในข้อความมักอ่านแปลกๆ ควรแปลงเป็นภาษาไทยก่อน
- โคลนเสียงใช้กับเสียงตัวเองหรือเสียงที่ได้รับอนุญาตแล้วเท่านั้น อย่าเอาไปทำเรื่องไม่ดี เส้นนี้ต้องมี
FAQ
โคลนเสียงฟรีไม่เสียเงินจริงเหรอ?
เท่าที่ใช้มายังไม่เจอ paywall ไม่มีแบบ "ทดลองฟรี 3 ครั้ง" VoxClone วางตัวเป็นโคลนเสียงฟรีถาวร ไม่ต้องสมัคร ไม่ต้องล็อกอิน ใช้ได้เลย
โคลนเสียงฟรีออนไลน์คุณภาพต่างจากโปรแกรมเสียเงินแค่ไหน?
สำหรับพากย์ทั่วไป ผมว่าไม่ต่างกันมาก ถ้าจะทำ audiobook ระดับมืออาชีพที่ต้องการอารมณ์การแสดง เครื่องมือระดับโปรยังได้เปรียบ แต่ถ้าทำคลิปสั้นหรือเสียงบรรยายคอร์ส ระดับนี้เพียงพอ
เสียงที่สร้างจาก text to speech ฟรีเอาไปใช้เชิงพาณิชย์ได้ไหม?
โคลนเสียงตัวเองใช้ในโปรเจกต์ตัวเอง โดยทั่วไปไม่มีปัญหา ถ้าเกี่ยวกับเสียงคนอื่นหรือกฎแพลตฟอร์ม แนะนำให้เช็คสิทธิ์ก่อน อย่าขี้เกียจ
เขียนจบแล้วผมกลับไปเล่นเสียงโคลนต่อ ให้มันอ่านโพสต์ Facebook ของผมเมื่อสามปีก่อน ตลกดี แต่ก็รู้สึกแปลกๆ เครื่องมือมันก็แค่เครื่องมือ แต่ว่าจะใช้ที่ไหนยังไงเป็นเรื่องของเรา คืนนี้ถ้าว่างลองอัดเสียงตัวเอง 5 วิไปลองดูได้ — บทเรียนและวิธีเล่นเพิ่มเติม เขาอัปเดตเรื่อยๆ อยู่แล้ว