Každé AI video začíná scénářem, ale o tom, jak scénář ve skutečnosti zapůsobí, rozhoduje hlas. Určuje přízvuk, věk, barvu, energii i osobnost vašeho prezentéra — a rychlost, pauzy a pokyny k přednesu rozhodují o tom, jestli výsledek zní jako člověk, nebo jako stroj předčítající text.
Ve zkratce: AI hlas vyberte tak, že jazyk a regionální přízvuk přizpůsobíte svému publiku, podle štítků v profilu si sestavíte užší výběr, každého kandidáta si poslechnete s vlastním scénářem a pak před generováním doladíte přednes rychlostí a pauzami. Zbytek tohoto průvodce vás tímto postupem provede krok za krokem ve VisionStory, jehož knihovna AI hlasů obsahuje více než 1 000 hlasů v 88 jazycích.
Co tento průvodce pokrývá: veřejnou Knihovnu hlasů a ovládací prvky přednesu kolem ní. Vytvoření hlasu z vlastní nahrávky je samostatný postup — viz jak naklonovat svůj hlas pomocí AI.
Krok 1: Otevřete Knihovnu hlasů a přečtěte si řádek hlasu
Otevřete AI video, vyberte avatara, kterého chcete použít, a klikněte na aktuální hlas pod polem Scénář. Knihovna hlasů se otevře nad editorem.
Každý řádek nese čtyři signály, díky nimž odhadnete, jak bude mluvčí znít, ještě než stisknete přehrávání:
- Štítek jazyka — jazyk, kterým hlas mluví.
- Vlajka — regionální přízvuk, nikoli druhý jazyk. Anglické hlasy mohou nést americkou, britskou, kanadskou i další vlajku.
- Pohlaví a věk — vnímaná identita mluvčího.
- Vlastnosti a použití — popisy jako zřetelný, vřelý, konverzační, vyprávění, vzdělávání nebo sociální sítě.
Podle štítků si sestavte užší výběr, ne konečné rozhodnutí. Dva hlasy s téměř shodnými štítky se mohou pořád hodně lišit v tempu, barvě a energii.
Krok 2: Filtrujte, vyhledávejte a poslechněte si užší výběr
Začněte dost zeširoka, abyste slyšeli skutečné rozdíly, a pak výběr zužujte. Dokud teprve zkoumáte možnosti, používejte filtry Jazyk, Pohlaví, Věk a Použití. Pokud už znáte hlas podle jména, zadejte ho místo toho do vyhledávacího pole.
- Sestavte užší výběr. Filtrujte nebo vyhledávejte, dokud vám místo celého katalogu nezbyde hrstka kandidátů.
- Poslechněte si celý užší výběr. Kliknutím na tlačítko přehrávání vpravo na řádku hlasu si pustíte ukázku.
- Pozastavte a porovnávejte. Dalším kliknutím na stejné tlačítko přehrávání zastavíte, než spustíte další.
Poslouchejte, co vaše video skutečně potřebuje: regionální přízvuk, srozumitelnost, energii, vřelost, autoritu a jak rychle hlas prochází větou. Hlas, který zní samostatně skvěle, může být pořád špatnou volbou pro instruktážní, prodejní nebo zpravodajský scénář či scénář postavený na postavě.
Krok 3: Slaďte hlas s obsahem a publikem
Většina neuspokojivých AI hlasových komentářů netrpí problémem s kvalitou, ale s vhodností. Než se rozhodnete, ujasněte si, co má hlas v tomto konkrétním videu zvládnout.
| Když tvoříte | Hledejte | Čemu se vyhnout |
|---|---|---|
| Tutoriály, vysvětlující videa, kurzy | Zřetelnou artikulaci, vyrovnané tempo, neutrální vřelost | Energickým reklamním přednesům, které hrnou odborné termíny |
| Reklamy, promo videa, krátké klipy na sítě | Energii, údernost, sebevědomý a mladší profil | Pomalému, rozvážnému vyprávění, které zabije úvodní háček |
| Zpravodajství, firemní obsah, novinky o produktu | Autoritu, rovnoměrné tempo, minimální barvitost hlasu | Neformálním nebo výrazně charakterním hlasům |
| Vyprávění příběhů, rozhovory, podcasty | Osobitost a výrazový rozsah | Plochému hlasatelskému přednesu bez dynamiky |
| Lokalizované verze jednoho videa | Rodilý regionální přízvuk pro každý trh | Jednomu anglickému hlasu čtoucímu přeložený text |
Přízvuk je nastavení, ve kterém lidé chybují nejčastěji. Když je vaše publikum v Londýně a váš prezentér nese americkou vlajku, posluchači si toho všimnou — i když je každé slovo správně. Vybírejte vlajku podle publika, ne jen podle jazyka.
Krok 4: Nastavte rychlost řeči a poté přidejte pauzy
Kliknutím na řádek s hlasem jej použijete v aktuálním nastavení. Poté vedle vybraného hlasu otevřete nabídku rychlosti a zvolte Pomalu, Normální nebo Rychle.
- Možnost Pomalu se hodí pro rozvážná vysvětlení a pro jakýkoli obsah, kde je porozumění důležitější než spád.
- Možnost Normální je bezpečný základ pro většinu tutoriálů, prezentací a videí s mluvícím avatarem.
- Možnost Rychle dodá energii krátkým promo videím a klipům na sociální sítě, ale hutné scénáře se pak sledují hůř.
Rychlost určuje tempo celého přednesu. Pro jemnější řízení uvnitř věty umístěte kurzor tam, kam pomlka patří, a klikněte na ovládací prvek Pauza. Každé kliknutí přidá 0,5 sekundy; dalším kliknutím pomlku prodloužíte.
Know-how: pauzy přidávejte tam, kde by se skutečný prezentér nadechl, přešel k jiné myšlence nebo nechal tvrzení vyznít. Příliš mnoho pauz přednes roztříští, proto si po úpravě přehrajte celou větu, ne jen část, kterou jste změnili.
Krok 5: Řiďte přednes pomocí funkce Vylepšení hlasu
Na Vylepšení hlasu klikněte, když jsou slova správná, ale zamýšlený přednes zatím není explicitní. VisionStory přidá pokyny k přednesu pro emoce, tempo a důraz a zachová přitom vaši původní formulaci.
Než budete pokračovat, vylepšený scénář zkontrolujte. Zvolte Ponechat, pokud pokyny odpovídají vašemu záměru, nebo Zpět pro návrat k originálu. Funkce se vyplatí tehdy, když scénář potřebuje jasné emoční vedení, ale nemá se přeformulovat.
Krok 6: Před generováním si přehrajte náhled skutečného scénáře
Jakmile máte nastavený hlas, rychlost, pauzy i případné pokyny pro vylepšení, klikněte na Náhled zvuku. Poslechněte si celou nahrávku, místo abyste soudili podle prvních pár slov, a zkontrolujte výslovnost, přízvuk, rytmus, konce vět, pauzy i emoční ladění.
Dokud ještě porovnáváte kandidáty, začněte jednou krátkou reprezentativní větou. Jakmile užší výběr zúžíte na dva nebo tři hlasy, přehrajte si náhled pasáže, která obsahuje jména, čísla, odborné termíny nebo emoční momenty nejdůležitější pro hotové video — právě tam se hlasy od sebe odliší.
Limit náhledů: zvukový náhled zahrnuje bezplatný limit znaků, který se obnovuje v klouzavém 24hodinovém cyklu. Po vyčerpání tohoto limitu stojí vygenerování náhledu 1 kredit za 500 znaků. Celý přehled najdete v článku jak fungují kredity VisionStory.
Krok 7: Jednou vygenerujte video, aby si avatar hlas zapamatoval
Výběr hlasu změní aktuální nastavení editoru, ale samotný výběr hlas k avatarovi neuloží. Vygenerujte s vybraným hlasem jedno video. VisionStory si pak toto spárování zapamatuje a obnoví ho, až příště použijete stejného avatara.
Právě proto se vyplatí vybírat pečlivě. Jakmile jsou avatar a hlas spárované, každé další video začíná s konzistentním prezentérem, ne s novým rozhodováním.
Proč AI hlasy zní roboticky — a jak to napravit
Když vygenerovaný komentář působí synteticky, bývá za tím jedna z pěti odstranitelných příčin, nikoli samotný hlasový model.
- Nevhodný hlas ke scénáři. Vypravěčský hlas čtoucí reklamní text zní ploše. Než začnete vinit kvalitu, projděte užší výběr znovu podle případu použití.
- Žádné pauzy. Skuteční řečníci dýchají. Souvislá zeď textu bez oddechu působí strojově, proto na hranicích myšlenek přidejte půlsekundové pauzy.
- Rychlost nastavená jednou a zapomenutá. Volba Rychle rozmělní hutné věty, volba Pomalu zase natáhne krátké promo. Přizpůsobte tempo typu obsahu.
- Nejednoznačná interpunkce. Nekonečná souvětí, chybějící čárky a nerozepsané zkratky tlačí hlas do monotónnosti. Nejdřív si scénář pročistěte.
- Chybějící emoční režie. Pokud záměr není obsažen v textu, hlas ho neuhodne — a přesně k tomu slouží Vylepšení hlasu.
Opravte těchto pět věcí a většina stížností na robotické AI hlasy zmizí, aniž byste hlas vůbec měnili.
Když poskytovatel vyřadí hlas, který používáte
VisionStory získává hlasy od několika poskytovatelů a poskytovatel může hlas ze svého katalogu odebrat. Když k tomu dojde, hlas už nelze do veřejné Knihovny hlasů vrátit.
Pokud hlas, na který jste spoléhali, zmizí, najděte ve starším videu čistou pasáž, která obsahuje pouze tento hlas, a použijte ji jako zdrojový zvuk ve funkci Voice Clone. Klon dokáže vytvořit blízkou náhradu, i když nelze očekávat, že bude znít úplně stejně.
Nutné svolení: klonujte pouze zvuk, který vlastníte nebo k jehož použití máte jednoznačné svolení, a před publikováním si náhradu poslechněte se scénářem, který chcete použít.
Kontrolní seznam pro AI hlas před generováním
- Vyberte regionální přízvuk podle publika, nejen jazyk.
- Pomocí štítků v profilu hlasu si udělejte užší výběr a pak nechte rozhodnout své uši.
- V ukázce si poslechněte jména, čísla a obtížné výrazy ze svého skutečného scénáře.
- Nejdřív nastavte celkovou rychlost a teprve pak přidávejte pauzy na konkrétních místech.
- Vylepšení hlasu použijte jen tehdy, když přednes potřebuje jasnější vedení.
- Poslechněte si celou ukázku, ne jen první větu.
- Vygenerujte jedno video, pokud chcete, aby si avatar hlas zapamatoval.
- Název zvoleného hlasu si zapište do poznámek ke značce nebo kampani.
Jakmile je hlas daný, zbytek jde rychle. Stejné nastavení dotáhněte až k hotovému videu podle návodu jak vytvořit AI mluvícího avatara, nebo otevřete text na řeč, když potřebujete jen zvukovou stránku.
