AI generátor hlasu

AI generátor hlasu promění napsaný text v mluvený zvuk. Napíšeš, co se má říct, a popíšeš, jak to má znít, třeba věk, přízvuk, tempo a emoce, a model to přednese. Výsledkem je zvukový soubor, který můžeš vložit do videa, hry, úvodu podcastu nebo prezentace.

V Mage hlas vytváří model Seed Audio. Z jednoho promptu umí vytvořit hlasy, dialogy, hudbu i zvukové efekty a vrátí MP3 přesně v délce, kterou zvolíš: 5, 10, 30, 60 nebo 120 sekund. Přijme jednu obrazovou referenci nebo až tři zvukové reference, které určují zvuk, ale ne obojí v jednom klipu.

V Mage je užitečné hlavně to, co přijde potom. Uložená postava může mít svůj hlas a videomodely, které hlasy postav čtou, tedy Cherry, Raspberry, Plum, Lemon a MiniMax-H3, ho použijí automaticky, takže postava, kterou jsi navrhl(a), zní v každém klipu stejně. Aplikace Lipsync navíc umí vzít hlasovou stopu, kterou jsi vytvořil(a), a sladit s ní obličej.

Prompt pro hlas má dvě části: co se říká a jak to zní. Mluvená slova dej do uvozovek, aby bylo jasné, že jde o scénář, a kolem nich popiš přednes. „Hřejivý, chraplavý muž kolem sedmdesátky, pomalý a pobavený, blízko mikrofonu v tichém pokoji, říká: ‚Každý příběh začíná někým, kdo měl zůstat doma.‘“ dává Seed Audio mluvčího, způsob přednesu i prostor.

Hlas nejvíc mění věk, energie, tempo a vzdálenost. Šepot těsně u mikrofonu, jevištní hlas ve velkém sálu a unavený hlas v telefonu jsou tři různé přednesy stejných slov. Emoci pojmenuj slovesem, třeba škádlí, prosí nebo oznamuje, a ne jen přídavným jménem.

• Přesná slova dej do uvozovek
• Uveď věkové rozmezí a úroveň energie
• Pojmenuj tempo: nespěchavé, svižné, zadrhávající
• Popiš prostor: kabina, ulice, katedrála, telefon
• Na vyzkoušení hlasu před dlouhým textem si nech repliku na 5 nebo 10 sekund

Seed Audio vrací přesně tu délku, kterou vybereš, takže ji přizpůsob scénáři. Jedna replika nebo reakce se vejde do 5 nebo 10 sekund. Krátký voiceover nebo představení produktu se vejde do 30. Dialogová scéna nebo vyprávění se vejde do 60 nebo 120. Příliš dlouhý text se do klipu nahrnou a uspěchá se; příliš krátký nechá na konci ticho nebo šum místnosti.

Počítej s tím, kam zvuk poputuje. Lipsync a Music Video přijmou zvuk do 15 sekund, takže pro mluvící portrét napiš repliku, která se vejde do 10 sekund, a generuj v této délce.

Postava v Mage může mít hlas: nahraj MP3 nebo WAV, nebo při vytváření postavy vygeneruj krátký vzorek pomocí Seed Audio. Od té chvíle tento hlas automaticky používají Cherry, Raspberry, Plum, Lemon a MiniMax-H3, kdykoli postava mluví. Postavám se věnuje stránka AI generátor postav, a jak rozmluvit portrét, ukazuje stránka AI mluvící fotka.

Referenční zvuk používej jen se svým vlastním hlasem nebo s hlasem, který smíš použít. Napodobování skutečné osoby bez jejího souhlasu není v Mage povoleno.