เปลี่ยนเสียงด้วย AI เหมาะสำหรับช่วงที่ “การแสดง” ใช่แล้ว แต่ “เสียง” ยังไม่ใช่ คุณมีไฟล์บันทึกเสียงอยู่แล้ว — อาจเป็นเสียงบรรยายร่าง ๆ, เสียงอ่านบทของตัวละคร, หรือแทร็กเสียงโฆษก — และต้องการอัตลักษณ์เสียงแบบใหม่โดยไม่ต้องอัดซ้ำสักประโยค VisionStory จะแปลงการแสดงนั้นไปเป็นเสียงเป้าหมาย และใช้เสียงเดียวกันนี้ขับเคลื่อนอวาตาร์พูดได้ในรอบเดียว
บทสอนนี้จะนำเข้าเสียงบรรยายสินค้าเป็นภาษาอังกฤษความยาว 10 วินาที แปลงเป็น Anika – Sweet and Lively และเรนเดอร์เป็นวิดีโอโฆษกขนาด 16:9 ที่ 1080p ก่อนเริ่ม โปรดตรวจสอบให้แน่ใจว่าคุณมีสิทธิ์ในการใช้ไฟล์บันทึกเสียง วิดีโอ รูปภาพตัวละคร และเสียงเป้าหมายที่คุณวางแผนจะใช้
ขั้นตอนที่ 1: เลือกอวาตาร์ แล้วสลับไปที่ Import
เปิดพื้นที่ทำงานวิดีโอ AI แล้วเลือกผู้ดำเนินรายการดิจิทัลให้เข้ากับวิดีโอที่ต้องการ — เลือกจากคลังตัวละคร หรืออัปโหลดรูปภาพที่คุณมีสิทธิ์ใช้งาน จากนั้นสลับไปที่แท็บ Import ทางขวาเพื่อนำเข้าไฟล์บันทึกเสียงหรือแทร็กเสียงจากวิดีโอ
ขณะนี้ VisionStory รองรับการนำเข้า AVI, MP3, MP4, M4A, WAV และ MOV หากเป้าหมายคือแค่เปลี่ยนเสียงบรรยาย ไฟล์เสียงที่สะอาดจะเป็นแหล่งต้นทางที่ดีกว่า แต่ถ้าเสียงอยู่ในวิดีโอที่มีอยู่แล้ว ให้Importวิดีโอโดยตรงในรูปแบบที่รองรับ
ขั้นตอนที่ 2: นำเข้าไฟล์ แล้วตรวจสอบช่วงที่ใช้งานได้
คลิกพื้นที่อัปโหลด แล้วนำเข้าไฟล์บันทึกเสียงต้นทางหรือวิดีโอ แผงจะแสดงรูปคลื่นเสียง ความยาวทั้งหมด และช่วงที่เลือก — ในตัวอย่างคือ 00:00–00:10 เต็ม ๆ ของเสียงบรรยาย 10 วินาที
ฟังต้นฉบับสักรอบ และยืนยันว่าต้นและท้ายไฟล์ไม่ถูกตัด หากมีเสียงห้อง/เสียงรบกวนชัดเจน ให้เปิด ลบเสียงรบกวน — แต่อย่าพยายามทำให้เงียบสนิท เพราะการลดเสียงรบกวนมากเกินไปจะทำให้ลมหายใจ พยางค์เบา ๆ และรายละเอียดอารมณ์หายไป ซึ่งเป็นสิ่งที่ทำให้เสียงที่แปลงแล้วยังฟังดูเป็นมนุษย์
ขั้นตอนที่ 3: เลือกเสียงเป้าหมายจากคลังเสียง (Voice Library)
คลิก Change Voice เพื่อเปิดคลังเสียง (Voice Library) จากนั้นกรองตามภาษา เพศ อายุ และกรณีใช้งาน และพรีวิวเสียงตัวเลือกด้วยปุ่มเล่นบนการ์ดของแต่ละเสียง
ตัวอย่างนี้เลือก Anika เพื่อเปลี่ยนเสียงบรรยายสินค้าที่เรียบ ๆ ให้กลายเป็นเสียงผู้หญิงที่สดใสและพร้อมใช้บนโซเชียล โฆษณา งานเทรนนิ่ง เรื่องเล่าตัวละคร และวิดีโออธิบาย ต่างให้น้ำหนักเรื่องความชัด พลัง และช่วงอายุไม่เท่ากัน — เลือกให้เหมาะกับ “หน้าที่” ของคอนเทนต์ ไม่ใช่แค่ตัวอย่างไหนฟังเพราะที่สุด วิธีเลือกแบบละเอียดอยู่ใน วิธีเลือกเสียง AI
ขั้นตอนที่ 4: ยืนยันเสียงเป้าหมายและการตั้งค่าเอาต์พุต
กลับมาที่หน้าสร้างวิดีโอ ตัวควบคุม Change Voice จะแสดงเสียงเป้าหมายที่เลือกไว้แล้ว จากนั้นตั้งค่าที่เหลือให้ครบ: อวาตาร์ อัตราส่วนภาพ โมเดลวิดีโอ และความละเอียด ตัวอย่างนี้สลับเป็น 16:9 พร้อม V-Character 4.0 ที่ 1080p — เหมาะกับวิดีโออธิบายสินค้าแบบแนวนอนหรือ YouTube
เครื่องมือเปลี่ยนเสียงทำหน้าที่สลับอัตลักษณ์เสียงเท่านั้น ไม่ได้เลือกผู้ดำเนินรายการหรือการจัดเฟรมที่เหมาะให้คุณ ก่อนสร้างวิดีโอ ให้เช็กว่าเสียงเป้าหมายสอดคล้องกับอายุที่ดูเหมือน เพศสภาพที่แสดงออก และโทนของคอนเทนต์ของอวาตาร์หรือไม่ — ถ้าไม่เข้ากัน ให้กลับไปที่คลังเสียงหรือคลังตัวละคร
ขั้นตอนที่ 5: สร้าง แล้วรีวิววิดีโอที่เปลี่ยนเสียงแล้ว
คลิก Generate Talking Video VisionStory จะแปลงการแสดงต้นฉบับให้เป็นเสียงเป้าหมาย และใช้เสียงนั้นขับเคลื่อนการลิปซิงก์และสีหน้าของอวาตาร์ เมื่อเรนเดอร์เสร็จ ให้เล่นดูจนจบ
ฟังชื่อเฉพาะ พยางค์เบา ๆ จังหวะหยุด และอารมณ์ตอนจบประโยค พร้อมสังเกตปากในช่วงที่พูดเร็ว หากเสียงขัดกับตัวละครหรือคอนเทนต์ ให้ย้อนกลับไปเปลี่ยนเสียงเป้าหมาย แต่ถ้าปัญหาเกิดจากเสียงรบกวนหรือตัดช่วงพลาด ให้แก้ไฟล์เสียงต้นทาง — การแปลงเสียงช่วยกู้วัสดุที่เสียหายไม่ได้
ปัญหาที่พบบ่อยและวิธีแก้
- เสียงที่แปลงแล้วฟังขุ่นหรือมีเสียงรบกวน ตรวจสอบไฟล์ต้นทางว่ามีเสียงพื้นหลัง คลิปปิง หรือระดับเสียงต่ำหรือไม่ แล้วเปิด ลบเสียงรบกวน หรืออัดใหม่ให้สะอาดขึ้น การแปลงเสียงไม่สามารถซ่อมไฟล์ที่แตกพร่ารุนแรงได้
- เสียงเป็นธรรมชาติแต่ไม่เข้ากับอวาตาร์ เลือกเสียงใหม่ให้ใกล้กับอายุ เพศสภาพที่แสดงออก และพลังของตัวละครมากขึ้น — หรือเปลี่ยนอวาตาร์ เสียงและตัวละครควรถูกประเมินร่วมกันเป็นชุดเดียว
- อารมณ์ต่างจากไฟล์ต้นฉบับ การแปลงเสียงจะคงจังหวะและสัญญาณอารมณ์ของการแสดงไว้ แต่แต่ละเสียงมีโทนและช่วงการแสดงออกต่างกัน ลองเทียบหลายตัวเลือก และหากจำเป็นให้อัดการแสดงใหม่ให้ชัดขึ้น
- ลิปซิงก์หลวมตอนประโยคเร็ว ตรวจสอบไฟล์ต้นทางว่าพูดรีบ พูดไม่ชัด หรือคำติดกันหรือไม่ ประโยคสั้นลงและเทคที่สะอาดกว่ามักดีกว่าการวนลองเสียงอีกหลายตัว
วิดีโอที่เปลี่ยนเสียงแล้ว “ใช้งานได้จริง” ไม่ใช่แค่เอาเสียง A ไปสลับเป็นเสียง B เท่านั้น แต่มาจาก ไฟล์ต้นทางที่สะอาด เสียงเป้าหมายที่เหมาะ อวาตาร์ที่เข้ากัน และการรีวิววิดีโอที่เสร็จแล้วแบบครบถ้วน ล็อกการแสดงก่อน เลือกเสียงเป็นอันดับสอง และตรวจลิปซิงก์กับตัวละครเป็นขั้นตอนสุดท้าย — ลำดับนี้ช่วยลดการต้องอัดซ้ำได้มากที่สุด หากต้องการสร้างเสียงของตัวเองที่นำกลับมาใช้ได้แทน โปรดดู การโคลนเสียงของคุณด้วย AI
