การโคลนเสียงจะสร้างเสียงสังเคราะห์ที่นำกลับมาใช้ซ้ำได้จากไฟล์บันทึกเสียงจริง VisionStory จะวิเคราะห์ตัวอย่างต้นฉบับ เตรียมไฟล์เสียง ตรวจจับภาษาและลักษณะโทนเสียง สร้างเสียงโคลน และสร้างตัวอย่างพรีวิวให้คุณประเมินก่อนนำไปใช้ในวิดีโอ
การอัปโหลดเป็นเพียงขั้นตอนเชิงกลเท่านั้น ไฟล์บันทึกเสียงต้นฉบับเป็นตัวกำหนดว่าผลลัพธ์จะเหมือนแค่ไหน และฟังได้เสถียรเพียงใด โดยทั่วไป เสียงที่สะอาดและสม่ำเสมอเพียง 1 นาที มักมีประโยชน์มากกว่าหลายนาทีที่อัดด้วยไมโครโฟนต่างกันหรือคนละห้อง
ใช้เสียงอย่างมีความรับผิดชอบ โคลนเฉพาะเสียงของคุณเอง หรือเสียงที่คุณได้รับอนุญาตอย่างชัดเจนเท่านั้น ห้ามใช้การโคลนเสียงเพื่อแอบอ้างเป็นผู้อื่น เลี่ยงการขอความยินยอม หรือทำให้ผู้ชมเข้าใจผิด
- แหล่งที่ดีที่สุด: เสียงสะอาด 1–2 นาที ที่มีผู้พูดคนเดียว
- อัดเสียงแบบด่วน: สูงสุด 15 วินาที ภายในหน้าต่าง Clone
- การใช้งาน: แพ็กเกจสมาชิก Pro ขึ้นไป
ขั้นตอนที่ 1: เปิด Voice Clone ใน AI Video
เปิด AI Video แล้วเลือกอวาตาร์ที่คุณจะใช้ ในแถวเสียงใต้กล่อง Script ให้คลิก Clone ที่อยู่ข้างเสียงปัจจุบัน หน้าต่าง Clone จะเปิดขึ้นโดยไม่เปลี่ยนเสียงเดิมของอวาตาร์
ขั้นตอนที่ 2: เลือกอัปโหลดหรือบันทึกเสียง
หน้าต่างนี้มีวิธีเลือกแหล่งเสียง 2 แบบ เลือกตามว่าคุณกำลังทดสอบขั้นตอนการทำงาน หรือกำลังพยายามให้ได้เสียงที่ใกล้เคียงที่สุดในทางปฏิบัติ
- อัปโหลดเสียง: แนะนำสำหรับคุณภาพ ใช้ตัวอย่างที่สะอาดความยาว 1–2 นาทีหากทำได้
- บันทึกเสียง: เหมาะสำหรับทดสอบแบบเร็ว เครื่องบันทึกในแอปปัจจุบันบันทึกได้สูงสุด 15 วินาที
ไฟล์ที่อัปโหลดรองรับ .avi, .mp3, .mp4, .m4a, .wav หรือ .mov ช่วงเสียงที่เลือกต้องยาวอย่างน้อย 3 วินาที และยาวได้สูงสุด 120 วินาที
ขั้นตอนที่ 3: เตรียมไฟล์เสียงให้ได้ความเหมือนที่ใกล้เคียงยิ่งขึ้น
การโคลนเสียงไม่ได้คัดลอกแค่เอกลักษณ์ของเสียงเท่านั้น แต่ยังสามารถถอดแบบจังหวะการพูด น้ำเสียงและการเน้นคำ ลมหายใจ เสียงบรรยากาศในห้อง โทนสีของไมค์ และอาร์ติแฟกต์ที่ไม่ต้องการได้ด้วย บันทึกไฟล์ต้นฉบับในสไตล์ที่คุณอยากให้โคลนนำไปใช้ภายหลัง
- ใช้ผู้พูดคนเดียว ตัดเพลง เสียงทับซ้อน และบทสนทนาพื้นหลังออก
- อัดเสียงสะอาด 1–2 นาที ให้มีความหลากหลายตามธรรมชาติพอเหมาะ โดยไม่ผสมหลายเซสชันที่ไม่สม่ำเสมอกัน
- เลือกห้องเงียบและไม่ก้อง เฟอร์นิเจอร์นุ่ม ๆ ช่วยลดเสียงก้องได้; หลีกเลี่ยงพัดลม เสียงจราจร และเสียงแอร์
- ยึดไมโครโฟนให้นิ่ง รักษาระยะ มุม ระดับอินพุต และห้องให้เหมือนเดิมตลอดทั้งตัวอย่าง
- พูดให้เป็นธรรมชาติและสม่ำเสมอ คงสำเนียง ความดัง จังหวะ และสไตล์การแสดงให้คงที่
- หลีกเลี่ยงช่วงเงียบนาน ๆ ใช้คำพูดต่อเนื่องที่มีประโยชน์ แทนการเติมความเงียบลงในไฟล์
เคล็ดลับ: หากโคลนครั้งแรกฟังดูไม่แน่น ให้เปลี่ยนไฟล์ต้นฉบับเป็นเสียงที่สะอาดและสม่ำเสมอกว่า ก่อนจะลองอัดไฟล์ที่ยาวขึ้นมาก ๆ วัสดุที่คุณภาพปะปนกันมักทำให้โคลน “เรียนรู้” ความไม่สม่ำเสมอที่คุณอยากกำจัดออกไป
ขั้นตอนที่ 4: อัปโหลด ตรวจทาน และตั้งชื่อตัวอย่าง
ลากไฟล์ไปที่ Import Audio หรือคลิกพื้นที่วางเพื่อเลือกไฟล์ หลังจากรูปคลื่นเสียงแสดงขึ้นมา ให้เล่นช่วงที่เลือกแล้วฟังว่ามีผู้พูดคนอื่น เพลง เสียงแตก (clipping) เสียงก้อง การตัดต่อที่กระชาก หรือช่วงเงียบนาน ๆ หรือไม่ หากปัญหาเหล่านี้ชัดเจน ให้เปลี่ยนไฟล์ต้นฉบับ
กรอกชื่อที่สื่อความหมายได้ยาวไม่เกิน 20 ตัวอักษร ใส่คำต่อท้ายระบุภาษา/โลแคลจะช่วยแยกเสียงสำหรับหลาย ๆ บทเรียนหรือแคมเปญได้ง่ายขึ้น เช่น Tutorial Voice-en.
ขั้นตอนที่ 5: สร้างโคลนและให้ VisionStory ตรวจจับภาษา
คลิก Clone Now VisionStory จะประมวลผลตัวอย่างแบบอะซิงโครนัสและเปิดแท็บ Cloned Voice รายการจะรีเฟรชระหว่างประมวลผล และจะกดเล่นได้เมื่อพรีวิวพร้อม
คุณไม่จำเป็นต้องเลือกภาษาต้นฉบับด้วยตนเอง VisionStory จะวิเคราะห์การบันทึกและกำหนดภาษาที่ตรวจจับได้ให้อัตโนมัติ ควรใช้ภาษาเดียวอย่างสม่ำเสมอในไฟล์ตัวอย่าง เพื่อให้โลแคล สำเนียง และพรีวิวที่ตรวจจับได้ตัดสินได้ง่ายขึ้น
ขั้นตอนที่ 6: พรีวิว เลือก และทดสอบเสียงที่โคลน
ก่อนเลือก ให้กดปุ่มเล่นในแถวของเสียงที่โคลนเพื่อพรีวิวก่อน ฟังให้ครบทั้งเอกลักษณ์ของเสียง สำเนียง จังหวะการพูด การออกเสียง เสียงก้องของห้อง เสียงรบกวน และการเปลี่ยนโทนเสียงที่ไม่นิ่ง หากพรีวิวมีอาร์ติแฟกต์ชัดเจน ให้ปรับปรุงไฟล์ต้นฉบับตอนนี้เลย แทนที่จะไปเจอปัญหาเมื่อวิดีโอเสร็จแล้ว
เลือกเสียงที่โคลน พิมพ์ประโยคสั้นๆ 1 ประโยคในช่อง Script แล้วคลิก Preview Audio การทดสอบสั้นๆ จะช่วยให้เปรียบเทียบได้ง่ายขึ้น และยืนยันได้ว่าเสียงโคลนเหมาะกับประเภทคอนเทนต์ที่คุณจะทำ
แพ็กเกจ Voice Clone และข้อจำกัดจำนวนสล็อต
Voice Clone ใช้งานได้ในแพ็กเกจ Pro และสูงกว่า เสียงที่โคลนและบันทึกไว้แต่ละรายการจะใช้ 1 สล็อตจนกว่าจะถูกลบ
| แพ็กเกจ | จำนวนสิทธิ์โคลนเสียงที่มีในปัจจุบัน |
|---|---|
| Free | ไม่รวม |
| Pro | 10 สล็อต |
| Advanced | 20 สล็อต |
| Ultra | 50 สล็อต |
| Enterprise | ปรับแต่งได้ |
เมื่อไม่ต้องใช้เสียงโคลนแล้ว ให้เปิด Cloned Voice ลบเสียงนั้น และยืนยันการดำเนินการ การลบเสียงโคลนจะคืนสล็อตให้ใช้งานได้อีกครั้ง หากเสียงที่ลบถูกเลือกอยู่ในเอดิเตอร์ VisionStory จะสลับกลับไปใช้เสียงเริ่มต้นที่ยังพร้อมใช้งาน
รองรับ 88 ภาษา
88 ภาษาที่ไม่ซ้ำกัน VisionStory ตรวจจับภาษาของตัวอย่างโคลนโดยอัตโนมัติ โดยตัวเลือกเสียงที่ใช้งานได้และลักษณะผลลัพธ์อาจแตกต่างกันไปตามภาษา รายการด้านล่างนับ 1 รายการต่อภาษา หลังรวมรูปแบบตามภูมิภาคและชื่อที่มีความหมายเท่ากันแล้ว
- 🇿🇦 แอฟริคานส์
- 🇦🇱 แอลเบเนีย
- 🇪🇹 อัมฮาริก
- 🇸🇦 อาหรับ
- 🇦🇲 อาร์เมเนีย
- 🇮🇳 อัสสัม
- 🇦🇿 อาเซอร์ไบจาน
- 🇪🇸 บาสก์
- 🇧🇾 เบลารุส
- 🇧🇩 เบงกาลี (บังลา)
- 🇧🇦 บอสเนีย
- 🇧🇬 บัลแกเรีย
- 🇲🇲 พม่า
- 🇭🇰 กวางตุ้ง
- 🇪🇸 คาตาลัน
- 🇵🇭 เซบูอาโน
- 🇲🇼 ชีเชวา
- 🇨🇳 จีน (แมนดาริน)
- 🇭🇷 โครเอเชีย
- 🇨🇿 เช็ก
- 🇩🇰 เดนมาร์ก
- 🇳🇱 ดัตช์
- 🇬🇧 อังกฤษ
- 🇪🇪 เอสโตเนีย
- 🇵🇭 ฟิลิปปินส์
- 🇫🇮 ฟินแลนด์
- 🇫🇷 ฝรั่งเศส
- 🇪🇸 กาลิเซีย
- 🇬🇪 จอร์เจีย
- 🇩🇪 เยอรมัน
- 🇬🇷 กรีก
- 🇮🇳 คุชราต
- 🇭🇹 เฮติครีโอล
- 🇳🇬 เฮาซา
- 🇮🇱 ฮีบรู
- 🇮🇳 ฮินดี
- 🇭🇺 ฮังการี
- 🇮🇸 ไอซ์แลนด์
- 🇮🇩 อินโดนีเซีย
- 🇮🇪 ไอริช
- 🇮🇹 อิตาลี
- 🇯🇵 ญี่ปุ่น
- 🇮🇩 ชวา
- 🇮🇳 กันนาดา
- 🇰🇿 คาซัค
- 🇮🇳 กอนกณี
- 🇰🇷 เกาหลี
- 🇰🇬 คีร์กีซ
- 🇱🇦 ลาว
- 🇻🇦 ละติน
- 🇱🇻 ลัตเวีย
- 🇨🇩 ลิงกาลา
- 🇱🇹 ลิทัวเนีย
- 🇱🇺 ลักเซมเบิร์ก
- 🇲🇰 มาซิโดเนีย
- 🇮🇳 ไมถิลี
- 🇲🇬 มาลากาซี
- 🇲🇾 มาเลย์
- 🇮🇳 มาลายาลัม
- 🇮🇳 มราฐี
- 🇲🇳 มองโกเลีย
- 🇳🇵 เนปาล
- 🇳🇴 นอร์เวย์
- 🇮🇳 โอเดีย
- 🇦🇫 พาชตู
- 🇮🇷 เปอร์เซีย
- 🇵🇱 โปแลนด์
- 🇵🇹 โปรตุเกส
- 🇮🇳 ปัญจาบ
- 🇷🇴 โรมาเนีย
- 🇷🇺 รัสเซีย
- 🇷🇸 เซอร์เบีย
- 🇵🇰 สินธี
- 🇱🇰 สิงหล
- 🇸🇰 สโลวัก
- 🇸🇮 สโลวีเนีย
- 🇸🇴 โซมาลี
- 🇪🇸 สเปน
- 🇰🇪 สวาฮีลี
- 🇸🇪 สวีเดน
- 🇮🇳 ทมิฬ
- 🇮🇳 เตลูกู
- 🇹🇭 ไทย
- 🇹🇷 ตุรกี
- 🇺🇦 ยูเครน
- 🇵🇰 อูรดู
- 🇻🇳 เวียดนาม
- 🇬🇧 เวลส์
วิธีการนับ: นับ 1 รายการต่อภาษา ไม่ใช่ต่อโลแคล — เช่น รูปแบบภาษาอังกฤษตามภูมิภาคนับครั้งเดียว, Norwegian Bokmål และ Nynorsk นับครั้งเดียว และ Bengali/Bangla นับครั้งเดียว
แก้ปัญหาโคลนเสียงที่ฟังดูไม่ใกล้เคียงพอ
เอกลักษณ์ของเสียงดูไม่ชัด
เปลี่ยนต้นฉบับเป็นตัวอย่างที่สะอาดกว่า ความยาว 1-2 นาที จากการอัดครั้งเดียวแบบไม่หยุดพัก รักษาไมโครโฟน ห้อง จังหวะ และการแสดงให้สม่ำเสมอ
เสียงโคลนมีนอยส์หรือฟังดูเป็นโลหะ
ฟังต้นฉบับด้วยหูฟัง แล้วเอาเพลงพื้นหลัง เสียงก้อง พัดลม เสียงจราจร การลดนอยส์ที่หนักเกินไป อาการคลิป และการเอ็กซ์พอร์ตแบบสูญเสียคุณภาพซ้ำๆ ออกไป ต้นฉบับที่สะอาดกว่ามักช่วยได้มากกว่าการปรุงแต่งเพิ่ม
จังหวะหรืออารมณ์ไม่ตรง
โคลนเรียนรู้ตัวเลือกการพูดเหล่านั้นจากตัวอย่าง ดังนั้นให้บันทึกต้นฉบับด้วยโทน พลัง จังหวะ และสไตล์การพูดที่คุณอยากได้ยินในภายหลัง
ภาษา หรือสำเนียง ไม่เป็นไปตามที่คาด
ใช้ภาษาเดียวตลอดทั้งตัวอย่าง และหลีกเลี่ยงการสลับภาษาระหว่างการบันทึกเพื่อโคลน เพื่อให้การออกเสียงและสำเนียงตรงที่สุด ให้โคลนและทดสอบด้วยภาษาที่คุณตั้งใจจะเผยแพร่
สร้างโคลนเสียงของคุณ
เตรียมไฟล์บันทึกต้นฉบับที่สะอาด 1 ไฟล์ เปิด วิดีโอ AI และพรีวิวผลลัพธ์ก่อนนำไปใช้ในงานที่ยาวขึ้น ดูเพิ่มเติมได้ที่ ฟีเจอร์โคลนเสียงของ VisionStory สำหรับเสียงแบบกำหนดเองและหลายภาษา
