Setiap video AI dimulai dari sebuah naskah, tetapi suaralah yang menentukan bagaimana naskah itu benar-benar tersampaikan. Suara menentukan aksen, usia, tekstur, energi, dan kepribadian presenter Anda — sementara kecepatan, jeda, dan petunjuk penyampaian menentukan apakah hasilnya terdengar seperti manusia atau seperti mesin yang sedang membaca halaman.
Ringkasnya: pilih suara AI dengan mencocokkan bahasa dan aksen regional dengan audiens Anda, gunakan tag profil untuk menyusun daftar pendek, pratinjau setiap kandidat dengan naskah Anda sendiri, lalu atur penyampaiannya lewat kecepatan dan jeda sebelum Anda membuat videonya. Bagian selanjutnya dari panduan ini menelusuri proses tersebut langkah demi langkah di VisionStory, yang memiliki perpustakaan suara AI berisi lebih dari 1.000 suara dalam 88 bahasa.
Cakupan panduan ini: Perpustakaan Suara publik beserta kontrol penyampaian yang menyertainya. Membuat suara dari rekaman Anda sendiri merupakan alur kerja tersendiri — lihat cara mengkloning suara Anda dengan AI.
Langkah 1: Buka Perpustakaan Suara dan baca baris suara
Buka Video AI, pilih avatar yang ingin Anda gunakan, lalu klik suara yang sedang aktif di bawah kotak Naskah. Perpustakaan Suara akan terbuka di atas editor.
Setiap baris memuat empat sinyal yang membuat Anda bisa memperkirakan bagaimana bunyi sebuah suara sebelum menekan tombol putar:
- Tag bahasa — bahasa yang digunakan suara tersebut.
- Bendera — menunjukkan aksen regional, bukan bahasa kedua. Suara berbahasa Inggris bisa membawa bendera AS, Britania Raya, Kanada, dan lainnya.
- Jenis kelamin dan usia — identitas pembicara sebagaimana terdengar.
- Sifat dan kasus penggunaan — deskripsi seperti jernih, hangat, santai, narasi, edukasi, atau media sosial.
Gunakan label untuk menyusun daftar pendek, bukan untuk mengambil keputusan akhir. Dua suara dengan tag yang hampir sama bisa tetap sangat berbeda dalam tempo, tekstur, dan energi.
Langkah 2: Filter, cari, dan pratinjau daftar pendek
Mulailah dengan cakupan yang cukup luas agar Anda bisa mendengar perbedaan yang nyata, lalu persempit. Gunakan filter Bahasa, Jenis Kelamin, Usia, dan Kasus Penggunaan selama Anda masih menjelajah. Jika Anda sudah tahu nama suaranya, cukup ketik nama itu di kolom pencarian.
- Susun daftar pendek. Filter atau cari hingga Anda hanya punya beberapa kandidat, bukan satu katalog penuh.
- Dengarkan seluruh daftar pendek. Klik tombol putar di sisi kanan baris suara untuk mendengar sampelnya.
- Jeda dan bandingkan. Klik tombol yang sama sekali lagi untuk berhenti sebelum memutar suara berikutnya.
Dengarkan apa yang benar-benar dibutuhkan video Anda: aksen regional, kejernihan, energi, kehangatan, wibawa, dan seberapa cepat suara itu melafalkan sebuah kalimat. Suara yang terdengar bagus saat berdiri sendiri bisa saja tetap keliru untuk naskah instruksional, penjualan, berita, atau naskah yang mengandalkan karakter.
Langkah 3: Cocokkan suara dengan konten dan audiens Anda
Sebagian besar sulih suara AI yang mengecewakan bukanlah masalah kualitas, melainkan masalah kecocokan. Sebelum memutuskan, tentukan dulu apa yang harus dicapai suara ini untuk video tersebut.
| Jika Anda membuat | Cari | Hindari |
|---|---|---|
| Tutorial, video penjelasan, kursus | Artikulasi jelas, tempo stabil, kehangatan netral | Pembacaan promo berenergi tinggi yang terburu-buru saat menyebut istilah teknis |
| Iklan, promo, klip media sosial pendek | Energi, ketegasan, profil yang percaya diri dan lebih muda | Narasi lambat dan terukur yang melemahkan hook di awal |
| Berita, korporat, pembaruan produk | Wibawa, tempo merata, tekstur vokal minimal | Suara kasual atau yang terlalu bergaya karakter |
| Bercerita, wawancara, podcast | Karakter dan rentang ekspresi | Pembacaan ala penyiar yang datar tanpa dinamika |
| Versi lokal dari satu video yang sama | Aksen regional asli untuk setiap pasar | Satu suara berbahasa Inggris yang membacakan naskah terjemahan |
Aksen adalah pengaturan yang paling sering salah dipilih. Jika audiens Anda berada di London tetapi presenter Anda memakai bendera AS, pendengar akan menyadarinya — sekalipun setiap katanya benar. Pilih bendera sesuai audiensnya, bukan sekadar bahasanya.
Langkah 4: Atur kecepatan bicara, lalu tambahkan jeda
Klik baris suara untuk menerapkannya pada pengaturan saat ini. Lalu buka menu Kecepatan di samping suara yang dipilih dan pilih Lambat, Normal, atau Cepat.
- Lambat cocok untuk penjelasan yang reflektif dan konten apa pun yang lebih mengutamakan pemahaman daripada kesan mendesak.
- Normal adalah pilihan dasar yang aman untuk sebagian besar tutorial, presentasi, dan video avatar bicara.
- Cepat menambah energi pada promo pendek dan klip media sosial, tetapi naskah yang padat menjadi lebih sulit diikuti.
Kecepatan menentukan tempo untuk keseluruhan penyampaian. Untuk kontrol di dalam satu kalimat, tempatkan kursor pada titik yang diinginkan lalu klik kontrol Jeda. Setiap klik menambahkan 0,5 detik; klik lagi untuk jeda yang lebih panjang.
Tips: tambahkan jeda di tempat presenter sungguhan akan bernapas, berpindah gagasan, atau membiarkan sebuah pernyataan meresap. Terlalu banyak jeda membuat penyampaian terpecah-pecah, jadi pratinjau seluruh kalimat setelah diedit, bukan hanya bagian yang Anda ubah.
Langkah 5: Arahkan penyampaian dengan Peningkatan Suara
Klik Peningkatan Suara saat kata-katanya sudah tepat tetapi penyampaian yang Anda inginkan belum tergambar jelas. VisionStory menambahkan petunjuk penyampaian untuk emosi, tempo, dan penekanan tanpa mengubah kalimat asli Anda.
Tinjau naskah yang telah ditingkatkan sebelum melanjutkan. Pilih Pertahankan jika petunjuknya sesuai dengan maksud Anda, atau Urungkan untuk kembali ke versi asli. Fitur ini paling berguna saat sebuah naskah membutuhkan arahan emosi yang jelas tetapi kalimatnya tidak boleh diubah.
Langkah 6: Pratinjau naskah asli Anda sebelum membuat video
Klik Pratinjau Audio setelah suara, kecepatan, jeda, dan semua petunjuk penyempurnaan sudah siap. Dengarkan keseluruhan rekamannya, jangan menilai hanya dari beberapa kata pertama, lalu periksa pelafalan, aksen, ritme, akhiran kalimat, jeda, dan kesesuaian emosinya.
Saat masih membandingkan beberapa kandidat, mulailah dengan satu kalimat pendek yang representatif. Begitu daftar pendek tersisa dua atau tiga suara, dengarkan pratinjau bagian yang memuat nama, angka, istilah teknis, atau momen emosional yang paling penting dalam video akhir — di situlah perbedaan antarsuara terlihat.
Jatah pratinjau: pratinjau audio mencakup jatah karakter gratis yang diperbarui dalam siklus bergulir 24 jam. Setelah jatah itu habis, pembuatan pratinjau dikenakan biaya 1 kredit per 500 karakter. Lihat cara kerja kredit VisionStory untuk gambaran lengkapnya.
Langkah 7: Buat video sekali agar avatar mengingat suaranya
Memilih suara akan mengubah pengaturan editor saat ini, tetapi pemilihan saja tidak menyimpan suara tersebut pada avatar. Buat satu video dengan suara yang Anda pilih. VisionStory kemudian mengingat pasangan tersebut dan memulihkannya saat berikutnya Anda memakai avatar yang sama.
Karena itulah pilihan ini layak dibuat dengan cermat. Setelah avatar dan suara dipasangkan, setiap video berikutnya dimulai dari presenter yang konsisten, bukan dari keputusan yang harus diambil ulang.
Mengapa suara AI terdengar seperti robot — dan cara memperbaikinya
Ketika sulih suara yang dihasilkan terasa sintetis, penyebabnya biasanya salah satu dari lima hal yang bisa diperbaiki, bukan model suaranya.
- Suara tidak cocok dengan naskah. Suara narasi yang membacakan naskah iklan terdengar datar. Susun ulang daftar pendek Anda berdasarkan kasus penggunaan sebelum menyalahkan kualitas suaranya.
- Tidak ada jeda. Penutur sungguhan perlu bernapas. Teks yang padat tanpa jeda terdengar seperti mesin, jadi tambahkan jeda setengah detik pada batas antargagasan.
- Kecepatan diatur sekali lalu dilupakan. Cepat membuat kalimat padat terdengar kabur; Lambat membuat promo pendek terasa berlarut-larut. Sesuaikan tempo dengan jenis kontennya.
- Tanda baca yang ambigu. Kalimat beruntun, koma yang hilang, dan singkatan yang tidak dijabarkan sama-sama mendorong suara menjadi monoton. Rapikan naskahnya terlebih dahulu.
- Tidak ada arahan emosi. Jika maksudnya tidak tertulis dalam teks, suara tidak bisa menebaknya — dan justru untuk itulah Peningkatan Suara hadir.
Perbaiki kelima hal itu, dan sebagian besar keluhan tentang suara AI yang terdengar seperti robot akan hilang tanpa perlu mengganti suaranya sama sekali.
Jika penyedia menghentikan suara yang Anda pakai
VisionStory mengambil suara dari beberapa penyedia, dan sebuah penyedia bisa saja menghapus suara dari katalognya sendiri. Ketika itu terjadi, suara tersebut tidak dapat dikembalikan ke Perpustakaan Suara publik.
Jika suara yang selama ini Anda andalkan sudah hilang, cari potongan bersih dari video lama yang hanya berisi suara tersebut, lalu gunakan sebagai audio sumber di Klon Suara. Hasil kloningnya bisa menjadi pengganti yang mirip, meski jangan berharap terdengar persis sama.
Perlu izin: klon hanya audio yang Anda miliki atau yang jelas-jelas Anda punya izin untuk menggunakannya, dan pratinjau suara pengganti tersebut dengan naskah yang akan Anda gunakan sebelum menerbitkannya.
Daftar periksa suara AI Anda sebelum membuat video
- Pilih aksen regional yang sesuai untuk audiens, bukan sekadar bahasanya.
- Gunakan tag profil untuk menyaring kandidat, lalu biarkan telinga Anda yang memutuskan.
- Pratinjau nama, angka, dan istilah sulit dari naskah asli Anda.
- Atur kecepatan keseluruhan sebelum menambahkan jeda di bagian tertentu.
- Gunakan Peningkatan Suara hanya saat penyampaiannya butuh arahan yang lebih jelas.
- Dengarkan pratinjau secara utuh, bukan hanya kalimat pertamanya.
- Buat satu video ketika Anda ingin avatar mengingat suara tersebut.
- Catat nama suara yang dipilih ke dalam catatan brand atau kampanye Anda.
Begitu suaranya sudah dikunci, sisanya berjalan cepat. Bawa pengaturan yang sama hingga menjadi video utuh lewat cara membuat AI talking avatar, atau buka teks ke suara saat Anda hanya butuh sisi audionya.
