先週、Podcastで作業している間、私は同じセグメントを15回ほど録音し、まだ満足していませんでしたが、あまりにも速く話したり、不自然に休憩したり、単語にぶつかったりしました。
したがって、私はほぼすべてのAIの音声ツールに深く潜り込み2週間を費やしました. 私は各プラットフォームを通じて同じテキストを実行し、結果を慎重に比較し、さまざまなパラメータを調整しました. Now I am sharing my findings to help you avoid the trial-and-error process I went through.
私のテスト基準
ツールに潜入する前に、私はそれらをどのように評価したかを説明します:
Realism――生成されたスピーチの音はどれほど自然なものなのでしょうか? 明らかなロボット特性はありますか?
Control capabilitiesスピード、ピッチ、強調、その他の詳細を調節できますか?
Audio qualityプロの使用のために輸出されたオーディオはどれくらい良いですか?
Voice selection音声図書館の多様性は?どの言語がサポートされていますか?
Ease of useインターフェイスは直感的ですか? 学習曲線は何ですか?
私のテストから得られた最大の得点は? AIの音声技術は本当に印象的なレベルに達しました。いくつかの結果は、私は本物の人間やAIを聞いているかどうか疑問に思いました。
『MURF AI – The Master of Emphasis Control』
Murf から始めましょう、これは強調コントロールで本当に素晴らしいです。
プロセスはシンプルで、再生ボタンの隣にコメントのようなアイコンをクリックし、調整ポイントを持つすべての単語を表示するインターフェイスが表示されます。
しかし、私はいくつかの練習が必要であると述べるべきです 私の最初の試みはかなり過剰であり、非常に不自然に聞こえるスピーチを生み出しました 私は、微妙な調整が最も効果的であることを発見しました - あまりにも多くの調整は実際には自然な流れを破壊します。
強調コントロールを超えて、マーフはスピードとピッチ調整をサポートし、休憩を追加する機能も搭載しています。ケン・ボイスを選択すると、「ストーリーストーリー」から「サド」まで9つの異なるストーリースタイルにアクセスできます。
また、チームメイトにプロジェクトを一緒に編集するように招待できる素敵なコラボレーション機能があり、誰もがスクリプトブロックにコメントを残すことができます。
Pricing無料版は10分間の音声生成をサポートし、有料プランは月23ドルから始まります。
3秒クローン・ブラック・マジック 3秒クローン・ブラック・マジック
私が発見したこのツールは、音声クローニングの私の理解を完全に革命させました。
音声クローニングを完了するには3秒のオーディオサンプルしか必要ありませんでした。私は偶然、携帯に「今日は素晴らしい気分だ」と自分自身を録音し、それをアップロードし、処理の約30秒後、生成された音声は私自身のスピーチとほぼ同一でした。
他のツールと比較して、このクローンされた声の現実主義はまったく異なるレベルにあります. それは単にトーンで似ているだけでなく、話すリズムとインタナーションパターンも正確にキャプチャしています。
さらに、複数の言語で音声クローニングをサポートし、多言語コンテンツクリエイターにとって非常に有用です。
ビデオの音声転換に使用すると、ゼロの不思議な谷効果を作成します. 実際には、AIが口頭ミスをしたり、パフォーマンスに影響を与える休日を持たないので、自分のレコーディングよりも一貫性があります。
RESPEECHER - THE MOST EXPRESSIVE CHOICE
あなたが単調で平らなロボットの声に疲れた場合は、Respeecherは間違いなく試してみる価値があります。
その優れた機能は、フラットラインのように聞こえない多様なスピーチを自動的に生成する - それはアップとダウン、感情と感覚を持っています. 技術的な調整は必要ありません; テキストを入力するだけで、異なる音声や物語のスタイルを選択し、各世代は自然な変化を生み出す。
インタフェースのデザインは少し直感的で、設定はかなり深く埋め込まれています。 あなたはピッチ校正、感情の範囲、その他のパラメータを調整するために左側の設定タブをクリックする必要があります。
クールなリアルタイムの録音機能もあります。あなたはマイクで録音することができます、そしてそれは選択したテンプレートスタイルにあなたの声を変換し、あなたに完全なパフォーマンスコントロールを与えます。
しかし、その音声スタイルはよりクリエイティブに傾き、アニメーションやパーソナライズされたプロジェクトに最適です。
Pricingスタート: $4/month
WellSaid Labs - Word-by-Word コントロールのためのプロのツール
WellSaid Labsはプロのルートをとり、業界で最も細かい制御オプションを提供しています。
そのエディターは、単語ごとにスクリプトの調整を可能にします。このプロセスには、右側の「Cues」タブをクリックすると、画面上のテキストがスクリプトを表示します。ボリュームとスピードを調整するために、どの単語やフレーズをクリックするかをクリックします。ポイントマークを選択すると、休憩期間を制御できます。
システムは、調整をマークするためにさまざまな色を使用します:スピード変更のための緑、音量調整のための青、休憩変更のための紫。
発音コントロールは、左のメニューで別々の設定が必要で、カスタムの発音ルールを追加することもできますが、完全に間違った正しい発音を達成するために使用することもできます。
Oh, I almost forgot—WellSaidはまた、詳細な文書とチュートリアルを提供し、チームのフィードバックの収集のためにプロジェクトの共有も提供しています。
Pricing無料試用プラン:有料プランは月額44ドルから開始
私の勧告
あなたがAIの音声生成に新しい場合は、十分な機能を持つユーザーフレンドリーなインターフェイスであるMurfから始めましょう。
特定の音声をクローン化する場合、AI Voice Cloningは明らかな勝者です - 3 秒のオーディオは素晴らしい結果で作業を完了します。
クリエイティブなコンテンツや表現的なダイナミックな声の場合、Respeecherは素晴らしい選択肢です。
すべての細部を精密にコントロールする必要があるプロの生産のために、WellSaid Labsは投資に値します。
これらのツールのほとんどは無料のトライアルを提供していますので、私はそれらをすべてテストすることをお勧めします。
ただ、AI生成の音声を使用する際には、プラットフォームのサービス条件を確認して、適切なライセンスを取得していることを確認してください。
