上周,当我在播客上工作时,我录制了同一部分大约十五次,但仍然不满意. 要么我说得太快,停下来不自然,要么碰到单词。
因此,我花了两周时间深入挖掘我能找到的几乎每个AI语音工具,在每个平台上运行相同的文本,仔细比较结果并调整各种参数,现在我正在分享我的发现,以帮助您避免我经历的试错过程。
我的测试标准
在潜入工具之前,让我解释我如何评估它们:
Realism发出的语音听起来有多自然?有明显的机器人品质吗?
Control capabilities你能精准调节速度、脚步、强调和其他细节吗?
Audio quality出口的音频对专业使用有多好?
Voice selection语音图书馆多种多样?支持哪些语言?
Ease of use接口是直观的吗?学习曲线是什么样的?
AI语音技术真的达到了令人印象深刻的复杂程度.一些结果让我怀疑我是否正在听到一个真实的人或AI。
Murf AI - 重点控制的硕士
让我从Murf开始,它在强调控制方面非常出色。
有这个迷人的功能,你可以调整你的文本中的任何单词的强调过程很简单 - 点击该评论的图标旁边的播放按钮,并出现一个界面显示的所有单词的调整点。
然而,我应该提到它需要一些练习。我的第一次尝试是过度的,导致了非常不自然的声音语音. 我发现微妙的调整是最好的 - 太多调整实际上破坏了自然的流动。
除了强调控制之外,Murf还支持速度和场景调整,加上添加休息的能力. 如果你选择肯的声音,你可以访问九种不同的叙事风格,从“讲故事”到“Sad”。
还有一个不错的协作功能,你可以邀请队友一起编辑项目,每个人都可以在脚本块上留言。
Pricing免费版本支持10分钟的语音生成;付费计划从每月23美元开始
AI语音克隆 - 三秒克隆黑魔法
我发现的这个工具彻底改变了我对语音克隆的理解。
它只需要3秒的音频样本才能完成语音克隆,我随机在手机上录制了自己说“今天感觉很棒”,上传了它,经过大约30秒的处理,生成的声音几乎与我自己的演讲相同。
与其他工具相比,这个克隆的声音的现实主义是完全不同的水平. 它不仅在音调上是相似的 - 它还准确地捕捉说话的节奏和语音模式。
此外,它支持多种语言的语音克隆,这对于多语言内容创作者来说是非常有用的。
使用它用于视频语音转换创建零不奇怪的山谷效应,实际上比我自己的录音更一致,因为人工智能不会犯口头错误,也不会影响性能。
响应器 - 最具表现力的选择
如果你厌倦了单调的、平坦的机器人声音,Respeecher绝对值得一试。
其突出的功能是自动生成不像平行线一样的多样化的语音 - 它有上升和下降,情绪和感觉. 您不需要任何技术调整;只需输入文本,选择不同的声音或叙事风格,每代都会产生自然的变化。
界面设计有点不直观,设置埋在相当深处. 你需要点击左侧的设置选项卡来调整平面校准,情感范围和其他参数.这些设置影响所有后续输出,所以请记住根据需要进行调整。
还有一个酷的实时录制功能,你可以用麦克风录制,它将你的声音转化为所选的模板风格,为你提供完整的性能控制。
然而,它的语音风格更具创造性,这使得它非常适合卡通或个性化项目,如果你需要特别正式的,面向业务的声音,你可能需要仔细选择。
Pricing:从4美元 / 月开始
WellSaid Labs - Word-by-Word控制的专业工具
WellSaid Labs采取了专业路线,提供行业中最细微的控制选项。
它的编辑器允许单词对单词的脚本调整。过程涉及右侧的“Cues”选项卡,然后屏幕上的文本显示概述。点击任何单词或短语以调整音量和速度。
该系统使用不同的颜色来标记您的调整:绿色为速度变化,蓝色为音量调整,紫色为暂停修改。
发音控制需要在左侧菜单中单独设置,您可以添加自定义发音规则,即使使用完全错误的拼写来实现正确的发音。
哦,我差点忘了—WellSaid还提供详细的文档和教程,以及项目共享,以收集团队反馈。
Pricing免费试用可用;付费计划从44美元/月开始
我的建议
如果你是AI语音生成的新人,请从Murf开始 - 具有足够功能的用户友好界面。
对于克隆特定声音,AI语音克隆是显而易见的赢家 - 3 秒的音频完成了工作,结果令人惊叹。
对于创意内容或表达式、动态的声音,Respeecher是一个很好的选择。
对于需要精细控制每一个细节的专业生产,WellSaid Labs值得投资。
大多数这些工具都提供免费试用,所以我建议测试它们,毕竟,语音偏好是高度主观的 - 对于其他人来说,什么可能对你不起作用。
只是记住,当使用人工智能生成的声音用于商业目的时,请检查平台的服务条款,以确保您拥有适当的许可证。
