ทำคอร์สออนไลน์เสียงหุ่นยนต์? ผมลองทั้งพากย์วิดีโอสั้นและอินโทรพอดคาสต์แล้ว

อาทิตย์ที่แล้วผมช่วยเพื่อนที่ทำคอร์สออนไลน์ตัดเสียงประกอบสไลด์ ตีสามผมจ้องโปรแกรมตัดต่ออยู่ soudainly ตบเข่าฉาดหนึ่ง: เราเคยพากย์วิดีโอสั้นมาก่อน เคยอัดอินโทรพอดคาสต์มาก่อน แต่มันยากคนละแบบเลย วิดีโอสั้นคือแย่งเวลา พอดคาสต์คือสร้างความไว้วางใจ ส่วนคอร์สออนไลน์นี่เหมือนยัดช้างเข้าตู้เย็น แถมตู้เย็นต้องรู้สึกสบายด้วย

พากย์วิดีโอสั้นกับอินโทรพอดคาสต์ คนละไม้คนละมือ

พูดถึงวิดีโอสั้นก่อน สิบห้าวินาที นิ้วโป้งผู้ชมจ่ออยู่บนหน้าจอ ถ้าสามประโยคแรกไม่ทำให้เขาหัวเราะ ตกใจ หรือรู้สึกว่า "นี่มีประโยชน์" เขาก็ปัดผ่านไปเลย ดังนั้นเสียงพากย์วิดีโอสั้นต้องสั้น เจ็บ จี๊ด หยุดพัก? เป็นของฟุ่มเฟือย หายใจเข้าลึกเกินไปอัตราการดูจบก็ร่วง

พอดคาสต์ตรงกันข้าม สามสิบวินาทีแรกของอินโทรคุณต้องค่อยๆ สร้างความไว้วางใจเหมือนยื่นชาเย็นให้คนแปลกหน้า ถ้าเริ่มด้วย "ยินดีต้อนรับสู่รายการนี้" นิ้วผู้ฟังก็เลื่อนไปที่ปุ่มปิดแล้ว คุณต้องมีกลิ่นอายมนุษย์ มีรอยต่อ มีแม้กระทั่งเสียงหายใจไม่สมบูรณ์ เขาถึงจะยอมมอบเวลาสี่สิบนาทีถัดไปให้คุณ

อันหนึ่งเหมือนวิ่งแข่งรถไฟฟ้า อีกอันเหมือนนั่งร้านชา ตอนแรกผมไม่เข้าใจ เอาจังหวะชงชาไปตัดวิดีโอสั้น ข้อมูลออกมาแย่จนเหมือนโดนฟ้าผ่า

วิดีโอสั้นคุณกำลังต่อสู้กับอัลกอริทึมแค่สามวินาที

ตอนแรกผมขี้เกียจ เลยใช้ตัวแปลงข้อความเป็นเสียงพูดฟรีตัวหนึ่ง อ่านจบแล้วส่งออก เสียงเร็วจริง แต่ราบเรียบเหมือนน้ำเปล่าที่วางทิ้งไว้ทั้งคืน ไม่มีน้ำเสียง ไม่มีการเน้นคำ คำที่ควรมีอารมณ์ลอยอยู่บนฟ้าหมด

หลังจากนั้นถึงรู้ว่าในเครื่องมือสร้างเสียงพูด ai ฟรี มีเสียงที่มีอารมณ์แฝงอยู่ คุณต้องเลือกเสียงที่ "มีน้ำหนัก" หน่อย อย่าเลือกเสียงประกาศข่าวมั่วๆ

เสียงพากย์ ai ฟรีในวิดีโอสั้นไม่ใช่ใช้ไม่ได้ แค่คุณต้องปฏิบัติกับมันเหมือนร่างต้นแบบ AI ออกมาเบื้องต้นก่อน แล้วคุณค่อยไปเติมคำ particules ภาษาไทยอย่าง "นะ" "ค่ะ" "ครับ" ในเฟรมสำคัญ หรือพยางค์บางคำซ้ำสองครั้ง แค่นิดเดียว พอฟังแล้วเหมือนคนพูดจริง ปล่อยให้เครื่องทำทั้งหมด? ข้อมูลจะสอนคุณเอง

อินโทรพอดคาสต์ ไม่มีใครอยากฟัง "ยินดีต้อนรับสู่รายการนี้"

ตอนทำพอดคาสต์สิ่งที่ทำให้ผมหงุดหงิดที่สุดคือการฟังเสียงตัวเองอัดไว้ รู้สึกเวียน 声 เหมือนมีอีกคนหนึ่งกำลังสวดมนต์อยู่ข้างหู ต่อมาผมเลยลองโคลนเสียงฟรีผ่านอินเทอร์เน็ต โคลนเสียงที่ลึกกว่าเสียงจริงนิดหน่อย พูดช้ากว่าปกติหน่อย ปรากฏว่าถูกจริตขึ้นมาเลย

แต่มีกับดักอยู่ หลายคนเอาเสียงโคลนมาทำพอดคาสต์ แล้วพยายามลบเสียงหายใจออกหมด ผลคือยิ่งฟังยิ่งเหมือนซีรี อินโทรพอดคาสต์ต้องมี "ช่องว่างของลมหายใจ" ต้องมีช่วงลังตัวเหมือน "คิดอยู่แป๊บหนึ่งแล้วค่อยพูดต่อ" รายละเอียดพวกนี้อยู่ในวัตถุดิบดิบของเครื่องมือโคลนเสียงฟรีแล้ว คุณต้องเก็บไว้ อย่าตัดทิ้งหมด

คอร์สออนไลน์ก่อนคือสมรภูมิจริง

พอถึงคอร์สออนไลน์ เทคนิคก่อนหน้านี้ต้องทิ้งหมด ความหนาแน่นของความรู้สูงมือ หนึ่งประโยคสลับซับซ้อนไม่ได้ แต่ก็ไม่อยากให้ฟังเหมือนอ่านข่าว ผมเห็นครูหลายคนถ่ายทอดสี่สิบนาทีเหมือนอ่านหนังสือเรียน นักเรียนฟังแล้วก็ง่วง ปัญหาอยู่ที่การถือว่า "การสอน" คือ "การอ่านสคริปต์"

คอร์สออนไลน์ต้องการความรู้สึกว่าครูไม่ได้ยืนอยู่บนเวที แต่นั่งอยู่ข้างโต๊ะคุณ เห็นคุณสับสนแล้วจะหยุดถาม "ตรงนี้อยากให้ขยายเพิ่มมั้ย" น้ำเสียงแบบนี้ การโคลนเสียงตัวเองเอาไว้ใช้ซ้ำในคอร์สเดียวกันเหมาะมาก นักเรียนจะไม่ได้ยินเสียงเปลี่ยนไปในบทที่สาม ความสม่ำเสมอของคอร์สก็อยู่ครบ

และพูดตรงๆ สำหรับครูตัวคนเดียวหรือสถาบันเล็กๆ "เสียงพากย์ ai ฟรี" และ "โคลนเสียงฟรีแบบถาวร" สองจุดนี้ชี้ชะตาว่าคุณจะจ่ายรายเดือนไปเรื่อยๆ หรือได้ลงมือทำเนื้อหาอย่างสบายใจ เครื่องมืออย่าง VoxClone ที่มีอยู่ ตรงจุดนี้ก็เหมือนการเอาประตูราคาสองสามร้อยบาทออกไป

อย่าเพิ่งกดสร้าง สคริปต์ของคุณต้องได้หายใจก่อน

ผมเคยขี้เกียจ เขียนใน Word เสร็จแล้วก็เอาไปวางในช่องข้อความทันที ผลคือ AI อ่านเหมือนรีบไปขึ้นรถเมล์ ข้อความสามร้อยคำอ่านยาวไม่มีหยุด ฟังแล้วปวดหัว ต่อมาผมเรียนรู้แล้ว ก่อนสร้างต้องแก้ไขเครื่องหมายวรรคคำด้วยมือก่อน จุดคั่นคือช่องหายใจ จุดคำเต็มคือเบรก เครื่องหมายคำถามคือการถามจริงๆ ไม่ใช่อ่านแบนๆ แล้วลดเสียงลง

มีวิธีโบราณแต่ใช้ได้: ตัดประโยคยาวให้สั้น เกินยี่สิบห้าตัวอักษรในกลางต้องเติมจุดคั่น เจอ "เพราะ ดังนั้น แม้ว่า แต่" ต้องตัดข้างหน้าข้างหลัง คุณแบ่งย่อหน้าไว้ดี AI อ่านออกมาถึงจะมีชั้นเชิง ไม่เชื่อลองดู ข้อความเดียวกัน ใส่วรรคกับไม่ใส่ เหมือนคนละสายพันธุ์ บางทีผมยังเว้นบรรทัดระหว่างย่อหน้า ให้เครื่องรู้ว่าตรงนี้ควรพลิกหน้าแล้ว

กับดักอยู่ตรงนี้ หลายคนคิดว่า TTS จะแบ่งประโยคอย่างฉลาดได้ เลิกเถอะ ส่วนใหญ่มันเดินตามเครื่องหมายวรรคคำที่คุณใส่ ถ้าคุณขี้เกียจไม่ใส่มันก็อ่านเป็นเส้นตรง นักเรียนฟังแล้วจะไม่งัวหรอกหรือ อีกอย่างอย่าใช้จุดลบหนึ่งบ่อย ในบางเครื่องมือมันจะกลายเป็นช่วงหยุดแปลกๆ ใช้เยอะแล้วเหมือนเทปขาด

อัดที่บ้านกับยกให้ AI ผมเลือกหลัง

ฤดูหนาวปีที่แล้วผมดื้อด้าน จะอัดคอร์ส Python เองให้ได้ ซื้ออุปกรณ์ สวมหูฟังแล้ว ปรากฏว่าข้างล่างเริ่มต่อเติมบ้าน เสียงสว่านดังเหมือนทอดถั่ว ผมขยับมาอัดตอนเที่ยงคืน ตู้เย็นก็ฮัม เด็กข้างบนก็วิ่งกระโดด สามวันผ่านไป งานที่ได้หมดไม่มีชิ้นดี

สุดท้ายผมก็เข้าใจ ต้นทุนใหญ่ที่สุดของคนทำคอนเทนต์ตัวคนเดียวไม่ใช่เงิน แต่มันคืออารมณ์ คุณปรับสภาพจิตใจเต็มที่แล้วเสียงรบกวนหนึ่งครั้งก็พังหมด ผิดหวังสามครั้งคุณก็ไม่อยากเปิดไมโครโฟนอีก AI สร้างเสียงออนไลน์ไม่มีปัญหานี้ มันไม่เหนื่อย ไม่ไอ ไม่หงุดหงิดเพราะหมาข้างบ้านเห่า คุณอยากแก้สคริปต์ตีสอง มันก็พร้อมอ่านตีสอง มั่นคงจนน่ากลัว

ไม่ใช่ว่าการอัดจริงแย่ ถ้าคุณมีห้องทึบเสียง หรืออัดเงียบๆ สองชั่วโมงก่อนไปทำงาน เสียงคนจริงก็มีค่าทดแทนไม่ได้ แต่ถ้าคุณอยู่ที่ที่ได้ยินเสียงจั๋นชัดเจน ผมว่าการใช้เสียงพากย์ ai ฟรีกับแปลงข้อความเป็นเสียงพูด เป็นทางเลือกที่มีเกียรติกว่า อย่างน้อยคุณก็ไม่ต้องไปขอโทษเพื่อนบ้านทั้งตึกเพื่ออัดเสียงแค่สิบนาที

เปลี่ยนวิชาเหมือนเปลี่ยนเสียง อย่าคาดหวังว่าเสียงเดียวจะใช้ได้ทั้งหมด

ผมเคยพลาดตรงนี้ มีช่วงหนึ่งรับสอนหลากหลาย เช้าสอนวรรณคดีไทย บ่ายสอน Python รีบดึงเสียงเดิมกับความเร็วเดิมมาสร้างหมด นักเรียนบอก "ครูวันนี้อารมณ์รึเปล่า" ผมขี้คร้านจริงๆ แต่เครื่องมือไม่ได้เปลี่ยน

ต่อมาผมฉลาดขึ้น ใน VoxClone ผมเตรียมเสียงไว้สองสามเสียง สอนวิชาภาษา เลือกเสียงที่พูดช้า หางเสียงนุ่มนวล ให้นักเรียนอยากจมอยู่กับเนื้อหา สอนเขียนโค้ด เปลี่ยนเป็นเสียงที่กระชับ ประโยคสั้น เน้นคำสำคัญ ฟังแล้วดูน่าเชื่อถือ ผมยังปรับเสียงย่อยในคอร์สเดียวกัน บทแรกต้องดึงดูด พูดเร็วหน่อย บทสามเจอจุดยาก ค่อยๆ ช้า ให้นักเรียนมีช่องว่างให้คิด

ความเข้าใจผิดทั่วไปคือการเข้าใจว่า "เสถียร" หมายถึง "ไม่เปลี่ยนแปลง" นักเรียนจับได้ว่าคุณกำลังทำไปเรื่อยๆ คุณจะสอนเรื่องคอนแทกซิฟังก์ชันและเรื่องชีวิตของสุนทรภู่ด้วยอารมณ์เดียวกันไม่ได้ เตรียมเสียงไว้หลายเสียง สลับกันใช้ คุณภาพของคอร์สก็จะดีขึ้นจริงๆ อย่างขี้เกียจตรงนี้ไม่ได้

วิธีใช้จริงของผมบน VoxClone

ทุกวันนี้ขั้นตอนทำคอร์สของผมง่ายจนน่าเบื่อ: เขียนสคริปต์ วาง เลือกเสียง ปรับความเร็ว ส่งออก ฟรีทั้งหมดโดยไม่ต้องลงทะเบียน จุดนี้สำคัญมาก ก่อนหน้านี้ใช้บางเครื่องมือต้องสมัคร ยืนยันตัวตน ดูโฆษณา จำกัดเวลา รวมกันแล้วความอยากสร้างคอนเทนต์หายหมด การสร้างเสียงโดยไม่ต้องสมัครสมาชิก text to speech ของ VoxClone เป็นมิตรกับการแก้ไขแบบกะทันหันมาก ช่วงพักสิบนาทีระหว่างเรียนผมยังอัดใหม่ได้

บนหน้าแรกของ แปลงข้อความเป็นเสียงพูด ผมมักจะวางข้อความยาวๆ แล้วหลับตาฟัง ตรงไหนควรหยุด ตรงไหนควรเน้น ผมจะขีดเส้นใต้ไว้ แล้วสร้างเวอร์ชันสอง ระบบแปลงข้อความเป็นเสียงพูดของที่นี่รองรับข้อความยาว ผมยังไม่เคยเจอ "เปิดสมาชิกเพื่อปลดล็อคข้อความต่อไป" การแปลงข้อความเป็นเสียงพูดแบบไม่จำกัดสำคัญมากสำหรับคอร์สที่เนื้อหายาว

ถ้าวันข้างหน้าพวกเขาออกระบบสร้างเสียงพูด ai ฟรีแบบ API ผมคงเป็นคนแรกที่ไปต่อเข้ากับสคริปต์ตัวเอง แน่นอนว่าตอนนี้ยังไม่มี ผมก็แค่พูดเล่นๆ

ถ้าต้องการเสียงใกล้เคียงตัวเองมากขึ้น ผมจะไปที่ โคลนเสียงตัวเอง อัปโหลดเสียงต้นฉบับที่สะอาด แล้วทำโคลนเสียงออนไลน์ฟรีโดยไม่ต้องสมัคร เสียงที่ออกมาไม่ได้เหมือนร้อยเปอร์เซ็นต์ แต่พอใช้สอนได้ นักเรียนบอกว่า "เป็นธรรมชาติกว่าเสียง AI ก่อนหน้านี้เยอะ"

คำถามที่พบบ่อย

นักเรียนจะมองว่าเสียงพากย์ ai ฟรีดูถูก แล้วไม่อยากซื้อคอร์สหรือ?

ตอนก่อนเปิดขายผมก็กังวลเรื่องนี้ ลองจริงแล้วปรากฏว่าส่วนใหญ่สนใจว่าเนื้อหามีสาระหรือเปล่า แค่จังหวะไม่เหมือนหุ่นยนต์ เสียงไม่ใช่เสียงโฆษณาเกินไป ส่วนใหญ่ก็ยอมรับได้ บน VoxClone มีเสียงคนจริงบางตัวที่ให้ใช้ฟรี อารมณ์ดีกว่าที่คิด อย่างน้อยตอนผมสอนคอนแทกซิฟังก์ชันก็ไม่มีใครมาตำหนิเสียงในคอมเมนต์

คอร์สออนไลน์บางทีหลายพันคำ เครื่องมือฟรีจะจำกัดจำนวนคำมั้ย?

วิธีที่ผมใช้คือวางข้อความทั้งบทเข้าไปเลย ยังไม่เจอหน้าต่างเด้งให้เติมเงิน การไม่ต้องสมัครสมาชิก text to speech เป็นมิตรกับนักเรียนและครูมือใหม่มาก คุณสามารถเข้าไปดู เทคนิคเสียง AI สำหรับกรณีการใช้งานอื่นๆ บางอย่างแรงกว่าผมเยอะ

คำเตือนสำหรับคนที่กำลังจะทำเสียงคอร์สออนไลน์

อย่าไล่ตามเสียงประกาศข่าว จุดจบของการพากย์คอร์สออนไลน์คือ "คุณอธิบายเข้าใจ" ไม่ใช่ "เสียงคุณเพราะ" มาตรฐานของผมตอนนี้มีข้อเดียว ฟังจบแล้วเชื่อฟังอีกรอบโดยไม่เบื่อ ค่อยส่งให้นักเรียน

เครื่องมือเป็นแค่สะพาน สิ่งที่ต้องข้ามคือแม่น้ำของเนื้อหา เลือกอันที่ถนัด แล้วเก็บแรงไว้กับเนื้อหาเอง