ข้ามไปยังเนื้อหา

คู่มือเขียนพรอมต์

วิธีเขียนพรอมต์ให้ Seed Audio

วิธีเขียนพรอมต์ให้ Seed Audio AI สร้างเสียง: เริ่มต้นแบบเร็ว เทมเพลตกรอกคำ และเคล็ดลับจากผู้เชี่ยวชาญสำหรับเสียงพูด บทสนทนาที่กำหนดเวลา เสียงที่บันทึกไว้ เพลงประกอบ และเสียงเอฟเฟกต์

เริ่มต้นใช้งานด่วน

พรอมต์ Seed Audio แรกของคุณที่ได้ผลลัพธ์เจ๋ง

ทุกอย่างที่มือใหม่ต้องรู้ในหนึ่งนาที ทั้งสิ่งที่ควรรู้ก่อน กฎสำคัญที่สุด เทมเพลตให้กรอก และพรอมต์ให้คัดลอกไปใช้

สิ่งที่ควรรู้ก่อน

Seed Audio ไม่ใช่แค่แปลงข้อความเป็นเสียงพูด แต่สร้างเสียงทั้งฉากจากพรอมต์เดียว ทั้งเสียงพูด บทสนทนา เพลง และเอฟเฟกต์ ให้เขียนสถานที่และเสียงที่ได้ยินในที่นั้น จากนั้นอธิบายแต่ละเสียงเหมือนโน้ตคัดนักแสดง แล้วใส่คำพูดที่ต้องการในเครื่องหมายคำพูด คลิปจะยาวตามที่คุณเลือกในการตั้งค่าพอดี ดังนั้นเขียนให้พอเต็มความยาวและไม่เกินไปกว่านั้น ส่วนที่ยาวเกินจะถูกตัดท้าย

กฎที่สำคัญที่สุด

  1. วางฉากก่อนใส่คำพูด

    เริ่มจากสถานที่และเสียงของที่นั่น เช่น ชานชาลาในวันฝนตก สนามกีฬาที่ดังกึกก้อง สตูดิโอเงียบ ๆ เฉพาะคำที่อยู่ในเครื่องหมายคำพูดเท่านั้นที่จะถูกพูดออกมา ส่วนที่เหลือคือคำสั่งกำกับ

  2. อธิบายแต่ละเสียงครั้งเดียวให้ครบ

    ครั้งแรกที่ใครสักคนพูด ให้ระบุเพศ อายุ สำเนียง ลักษณะเสียง อารมณ์ และจังหวะการพูด เช่น Leo (ผู้ชายวัยสี่สิบ เสียงทุ้มแหบ เหนื่อยล้า พูดช้า) หลังจากนั้นใช้แค่ชื่อกับโน้ตสั้นๆ เรื่องการพูดก็พอ

  3. เขียนให้พอดีกับความยาวที่เลือก

    เลือกความยาวก่อน เสียงพูดภาษาอังกฤษเร็วประมาณ 2.5 คำต่อวินาที คลิปสั้นจึงใส่ได้แค่ประโยคสั้นๆ หนึ่งประโยค ถ้าใส่คำมากเกินไปเสียงจะขาดกลางคำ ถ้าน้อยเกินไปท้ายคลิปจะเงียบ

  4. เขียนพรอมต์ด้วยภาษาเดียวกับบทพูด

    ฉากภาษาสเปนควรใช้พรอมต์ภาษาสเปน ตั้งแต่คำอธิบายไปจนถึงบทสนทนา การใช้พรอมต์ภาษาอังกฤษปนกับบทพูดภาษาอื่นจะทำให้น้ำเสียงเพี้ยน

  5. สร้างหลายเทค

    ทุกครั้งที่สร้างจะได้การแสดงใหม่ แม้ใช้ seed เดิม ลองสร้างประโยคเดิมสองสามครั้งแล้วเลือกเทคที่ดีที่สุด

กรอกเทมเพลตนี้

แทนที่แต่ละส่วนในวงเล็บเหลี่ยมด้วยไอเดียของคุณเอง และตัดส่วนที่ไม่ต้องการออกได้

เทมเพลต
[Place and ambience]. Background music: [instruments, mood, and how it moves]. [Name] ([gender, age, accent, timbre, emotion, pace]) [how they say it]: "[the exact words]" [How it ends].
เทมเพลตที่กรอกแล้ว
A laundromat at midnight, dryers thumping, a fluorescent light buzzing overhead. Background music: a slow upright bass and brushed drums, low and lazy. Nora (a woman in her thirties, soft Irish accent, husky, amused, unhurried) says under her breath: "Third sock this week. Somebody in here is a thief." A dryer buzzer sounds and the music fades out.
  • [Place and ambience] เราอยู่ที่ไหนและได้ยินอะไรที่นั่น เช่น ร้านซักผ้าตอนเที่ยงคืน เครื่องอบผ้าหมุนดังตึงๆ หลอดฟลูออเรสเซนต์ส่งเสียงหึ่งๆ
  • [instruments, mood, and how it moves] เสียงอัพไรต์เบสช้าๆ กับกลองแบบใช้แปรงปัด ทุ้มต่ำและผ่อนคลาย ถ้าไม่ต้องการดนตรี ให้ตัดประโยคนี้ออกทั้งประโยค
  • [Name] ใครเป็นคนพูด ชื่อเป็นแค่คำกำกับและจะไม่ถูกพูดออกเสียง
  • [gender, age, accent, timbre, emotion, pace] โน้ตคัดเลือกนักแสดง เช่น ผู้หญิงวัยสามสิบ สำเนียงไอริชนุ่มๆ เสียงแหบ ขบขัน ไม่รีบร้อน
  • [how they say it] วิธีการพูด เช่น พูดพึมพำ ตะโกนข้ามห้อง กระซิบ
  • [the exact words] ประโยคตามที่ต้องการให้พูดจริงๆ โดยมีความยาวพอดีกับคลิป
  • [How it ends] วินาทีสุดท้ายฟังเป็นอย่างไร เช่น ดนตรีค่อยๆ เบาลง ประตูปิด ฝนยังตกต่อไป

พรอมต์สำหรับเริ่มต้น

  • เสียงผู้บรรยายกับบรรยากาศรอบตัว

    A quiet forest at dawn, birdsong slowly building, a stream running somewhere close. A narrator (a man in his sixties, standard British accent, warm and slightly gravelly, unhurried) says softly: "Every spring, the river remembers its way back to the sea." The birdsong continues to the end.

    ทำไมถึงได้ผล: เริ่มจากฉาก ตามด้วยเสียงที่เขียนเป็นโน้ตคัดเลือกนักแสดง และเสียงนกร้องที่ดังต่อไป คลิปจึงจบด้วยเสียง ไม่ใช่การตัดฉับ ความยาว 10 วินาทีกำลังพอดี

  • สองเสียง จับเวลาเป๊ะทุกวินาที

    A small radio studio late at night, the hum of equipment, rain against the window. Theo (a man in his late twenties, bright, quick, a little nervous) says: "[0.3s:3.2s] Okay, we're live. Say hi to everyone." June (a woman in her fifties, low, smoky, completely calm, slow) answers: "[3.8s:8.6s] Good evening, night owls. Pour something warm and stay a while." A soft jingle chimes; the rain continues to the end.

    ทำไมถึงได้ผล: แต่ละประโยคเริ่มด้วยช่วงเวลาของตัวเอง ขนาดพอดีกับจำนวนคำ เว้นช่วงสั้นๆ ระหว่างผู้พูด และมีวินาทีเงียบตอนท้าย ตั้งความยาวเป็น 10 วินาที

  • ดนตรีประกอบแบบไม่มีเสียงพูด

    Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.
    Style: warm, hopeful acoustic folk for a travel video. Create original music only.
    Background music: fingerpicked acoustic guitar, soft hand claps, a gentle upright piano, a light shaker.
    Sound effects: a car door closing, gravel under tires, wind on an open road. Keep effects clear but balanced under the music.
    Duration: about 30 seconds.
    Structure:
    [0:00-0:08] Guitar alone, light and curious; a car door closes.
    [0:08-0:20] Piano and shaker join, gravel under the tires, the tempo lifts.
    [0:20-0:27] The full band with hand claps, wind rushing past.
    [0:27-0:30] The music settles on one ringing guitar chord.
    Final mix: No vocals or spoken words. Bright and open, ready to sit under a travel montage.

    ทำไมถึงได้ผล: การระบุว่า "ไม่มีเสียงพูด" ตั้งแต่ต้นและย้ำอีกครั้งในมิกซ์สุดท้ายจะทำให้ได้เพลงบรรเลงล้วน และทุกท่อนรวมกันได้ 30 วินาทีตามที่ตั้งไว้ในการตั้งค่า

  • เสียงเอฟเฟกต์ ไม่มีดนตรี

    Inside a blacksmith's forge at night. The bellows wheeze and the coals roar up bright; a hammer rings on hot iron in a steady rhythm, three strikes and a pause, then the blade hisses as it plunges into a bucket of water and steam bursts up. Rain drums on the tin roof throughout. No music, no voices.

    ทำไมถึงได้ผล: ทุกเสียงมีที่มาชัดเจนและมีตำแหน่งในไทม์ไลน์ และประโยคสุดท้ายตัดสิ่งที่คุณไม่ต้องการออก

  • เสียงใสสะอาดสำหรับบันทึกไว้ใช้กับ Character

    Clean, close-miked studio voice recording. No music, no background sound, no effects. Mara (a woman in her early thirties, standard American accent, low, warm, slightly husky, calm and assured) says at an even pace: "[0.2s:8.8s] I grew up on this coast. The tide always tells you something, if you are patient enough to listen."

    ทำไมถึงได้ผล: ผู้พูดคนเดียว ไม่มีเสียงพื้นหลัง และมีคำพูดตั้งแต่วินาทีแรก เป็นคลิปแบบที่เหมาะที่สุดสำหรับบันทึกเป็นเสียงแล้วนำไปใช้กับ Character ตั้งความยาวเป็น 10 วินาที

  • เสียงจากรูปภาพ

    The old fisherman in the picture says warmly, a little amused, unhurried: "Well, look who finally showed up."

    ทำไมถึงได้ผล: อัปโหลดภาพพอร์ตเทรตเป็นรูปภาพ แล้ว Seed Audio จะออกแบบเสียงให้เข้ากับใบหน้า พรอมต์จึงต้องมีแค่วิธีการพูดและคำพูด ความยาว 5 วินาทีพอดีกับประโยคสั้นๆ หนึ่งประโยค

ขั้นสูง

การเขียนพรอมต์ Seed Audio ขั้นสูง

เทคนิคเพิ่มการควบคุมผลลัพธ์ เมื่อคุณเข้าใจพื้นฐานแล้ว

โครงสร้าง: เขียนฉากละครวิทยุ

พรอมต์ Seed Audio แบบเต็มมีห้าส่วนตามลำดับนี้ คือ สภาพแวดล้อม (สถานที่ สภาพอากาศ สถานการณ์) ดนตรีประกอบและเสียงเอฟเฟกต์ สิ่งที่ตัวละครกำลังทำ เสียงของแต่ละคน และคำพูดที่ต้องการเป๊ะๆ

เขียนเป็นฉากเดียวเรียงตามเวลา เหมือนบทละครวิทยุ เริ่มจากบรรยากาศและดนตรีตอนเปิด ตามด้วยแต่ละประโยคพร้อมผู้พูด เสียง และวิธีการพูด วางเอฟเฟกต์ไว้ตรงจุดที่เกิดขึ้น และปิดท้ายด้วยการจบฉาก เช่น ดนตรีดังขึ้น ค่อยๆ เบาลง ตัดฉับ หรือบรรยากาศที่ดำเนินต่อไปจนวินาทีสุดท้าย

  • อธิบายเสียงให้ครบในครั้งแรก จากนั้นใช้ชื่อกับโน้ตสั้นๆ เรื่องการพูด เช่น "Maya, นุ่มลงแล้ว:"
  • เฉพาะคำที่อยู่ในเครื่องหมายคำพูดเท่านั้นที่จะถูกพูด ชื่อ โน้ตเกี่ยวกับเสียง และคำอธิบายฉากจะไม่ถูกอ่านออกเสียง
  • ตั้งชื่อและเขียนโน้ตเสียงให้ผู้พูดทุกคนในบทสนทนา ผู้พูดที่ไม่มีป้ายกำกับจะสลับเสียงกัน
  • เขียนพรอมต์ให้ไม่เกินประมาณ 3,000 ตัวอักษร

ฉากต่อสู้สั้นๆ

A burning harbor at night, flames crackling, a ship's bell clanging wildly, waves slapping the stone quay. Background music: pounding low drums and a single horn, rising in tension. Captain Rhea (a woman in her forties, Scottish accent, hoarse and commanding, shouting over the noise) calls out: "Cut the lines! Every ship that can still float, get it out of the harbor!" A beam cracks and crashes into the water. Finn (a boy of about fourteen, high voice, terrified but trying to sound brave) answers: "Aye, Captain!" The drums break off and only the fire remains.

ทำไมถึงได้ผล: เริ่มจากสถานที่ ดนตรี และเอฟเฟกต์ ผู้พูดแต่ละคนมีโน้ตคัดเลือกนักแสดง เสียงกระแทกตกอยู่ระหว่างบทพูด และประโยคสุดท้ายบอกว่าคลิปจบอย่างไร

การอธิบายเสียง

เขียนเสียงเหมือนโน้ตคัดเลือกนักแสดง คือ เพศและอายุ สำเนียง ลักษณะเสียง อารมณ์ และจังหวะ ถ้าเสียงผ่านอุปกรณ์อะไรสักอย่าง เช่น โทรทัศน์ วิทยุ หรือโทรศัพท์ ให้เพิ่มเอฟเฟกต์เสียงนั้นด้วย

แสดงอารมณ์ผ่านวิธีการพูด ไม่ใช่แค่ระบุชื่ออารมณ์ เช่น "พูดเบาๆ พยายามข่มใจให้นิ่ง" และ "พูดเร็วขึ้นเรื่อยๆ ตอนตื่นตระหนก" สื่อได้มากกว่า "เศร้า" และ "กลัว"

เขียนว่าผลที่ได้
raspy, low, gravellyเสียงทุ้มแหบหยาบ ผ่านชีวิตมาโชกโชน เหนื่อยล้า หรือแข็งกร้าว
clear, bright, crystallineเสียงสูงใสกังวาน
deep and resonantเสียงเต็ม กังวานก้อง มีน้ำหนักจากช่วงอก
rapid, soaring, full-throatedตื่นเต้น ดัง และเร็ว เหมือนการบรรยายกีฬาสด
as if from a television, with slight reverberationเสียงมาจากทีวีในห้อง
as if over a walkie-talkieเสียงวิทยุแคบๆ มีเสียงซ่า
a mechanical qualityเสียงมนุษย์ที่มีกลิ่นอายแบบหุ่นยนต์หรือเสียงสังเคราะห์
whispered close to the microphoneเสียงกระซิบแผ่วเบา ใกล้ชิด มีลมหายใจ

กำหนดเวลาบทสนทนาเป็นวินาที

หากต้องการวางประโยคให้ตรงเวลา ให้ใส่ช่วงเวลาไว้หน้าคำพูดในเครื่องหมายคำพูด เป็นวินาทีและมีทศนิยมหนึ่งตำแหน่ง เช่น "[5.5s:8.0s] Maya! Wait, you're really leaving tonight?" ให้กำหนดเวลาทุกประโยคของบทสนทนา ส่วนดนตรีและเอฟเฟกต์จะเรียงตามลำดับของฉาก

กำหนดขนาดช่วงเวลาให้พอดีกับจำนวนคำ การพูดภาษาอังกฤษตามธรรมชาติเร็วประมาณ 2.5 คำต่อวินาที ประโยค 10 คำจึงใช้เวลาประมาณ 4 วินาที การพูดแบบตื่นเต้นจะเร็วกว่า และแบบเคร่งขรึมจะช้ากว่า

  • เว้นระหว่างผู้พูด 0.3 ถึง 0.6 วินาที เพื่อให้การสลับกันพูดฟังเป็นธรรมชาติ
  • ให้ประโยคสุดท้ายจบก่อนคลิปจบอย่างน้อยครึ่งวินาที เพื่อให้เสียงเฟดตอนท้ายตกอยู่ในช่วงเงียบหรือเสียงบรรยากาศ
  • ให้ทุกช่วงเวลาอยู่ภายในความยาวของคลิป อย่าเขียนช่วงเวลาครอบทั้งคลิป เช่น "[0.0s:10.0s]" เพราะ Mage ใส่ให้อยู่แล้ว
  • เวลาในบทสนทนาแม่นยำ ส่วนเวลาในดนตรีประกอบเป็นเพียงแนวทาง ไม่ใช่คำสัญญา

ดนตรีประกอบและเสียงเอฟเฟกต์

หากต้องการดนตรีที่ไม่มีเสียงพูด ให้บอกไว้ตั้งแต่ต้นและย้ำอีกครั้งตอนท้าย แล้ววางโครงเพลงเป็นท่อนๆ เช่น "Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics." จากนั้นระบุสไตล์ เครื่องดนตรี เอฟเฟกต์ ความยาว ท่อนต่างๆ พร้อมเวลา และประโยคมิกซ์สุดท้าย ให้ทุกท่อนรวมกันได้เท่ากับความยาวที่ตั้งไว้

ระบุเครื่องดนตรีและการเปลี่ยนแปลงของดนตรีตามเวลา ไม่ใช่แค่แนวเพลง เช่น "กลองศึกทุ้มลึกกับเครื่องทองเหลืองเสียงต่ำ จังหวะกลองเร็วขึ้นเมื่อเสียงประสานเริ่มดังขึ้น" "ค่อยๆ เบาบางจนเหลือแค่คลาริเน็ตเดี่ยวที่เฟดหายไปในความเงียบ"

  • ขอดนตรีออริจินัลตามแนวเพลงและอารมณ์ ไม่ใช่เพลงหรือธีมที่มีอยู่แล้ว เช่น "Create original music only."
  • ระบุที่มาและเสียงของทุกเอฟเฟกต์ เช่น "ดาบสไลด์กลับเข้าฝักด้วยเสียง shhhk คมกริบ" "โซ่ตกลงบนฝุ่นด้วยเสียงกระทบหนักๆ" คำเลียนเสียงที่มีที่มาประกอบจะถูกตีความเป็นเสียง ไม่ใช่คำพูด
  • อธิบายพื้นที่ควบคู่ไปกับเสียง เช่น "เสียงฝีเท้าก้องในห้องโถงหิน" "ห้องน้ำเล็กๆ ปูกระเบื้อง" "ในสนามกีฬาขนาดใหญ่ มีเสียงโห่ร้องของฝูงชนตลอดเวลา"

เสียงและรูปภาพที่บันทึกไว้

เรียกคลิปเสียงที่บันทึกไว้ด้วย @handle แล้วบอก 3 อย่าง คือ จะให้สร้างอะไร ใช้เสียงไหน และคลิปนี้ใช้ทำอะไร เช่น ลักษณะน้ำเสียง สำเนียง หรืออารมณ์ นอกจากนี้ให้อธิบายเสียงด้วยคำพูดไว้ข้าง handle ด้วย เช่น Marcus (เสียงผู้ประกาศที่นุ่มลื่นและมั่นใจ; เสียงของ @marcus-voice), สดใส:

หรืออัปโหลดรูปภาพคนหรือสิ่งมีชีวิต 1 รูปเป็นรูปภาพ แล้ว Seed Audio จะออกแบบเสียงที่เข้ากับรูปนั้นให้ แต่ใช้รูปภาพกับคลิปเสียงที่บันทึกไว้ในการสร้างครั้งเดียวกันไม่ได้

  • คลิปเสียงที่ดีควรมีผู้พูดคนเดียว ไม่มีเสียงดนตรีหรือเสียงรบกวน และมีเสียงพูดตั้งแต่วินาทีแรก
  • ถ้าอยากได้เสียงเดิมในทุกเทค ให้ใช้คลิปที่บันทึกไว้คลิปเดิมซ้ำ การใช้คำอธิบายอย่างเดียวจะทำให้เสียงเพี้ยนไปในแต่ละครั้ง
  • ให้เขียน handle เสมอ ไม่ใช่ชื่อช่องอย่าง "@Audio1" เพราะ @ ที่ตามด้วยตัวอักษรต้องเป็นเสียงที่คุณบันทึกไว้ ไม่เช่นนั้นการสร้างจะหยุดก่อนที่จะมีการตัดเงิน
  • Seed Audio เรียก Characters ไม่ได้ เพราะใช้เสียง ไม่ใช่ใบหน้า ให้เรียกคลิปเสียงที่คุณบันทึกไว้สำหรับตัวละครนั้นแทน

เสียงที่บันทึกไว้ 2 เสียงในการสัมภาษณ์ริมถนน

Busy city sidewalk at lunchtime: passing cars, chatter, a light breeze. Marcus (a smooth, confident broadcaster voice, warm and playful; the voice of @marcus-voice), upbeat, says: "[0.5s:4.5s] Quick question: what's the best advice you've ever ignored?" Tyler (a younger man, a little nervous, expressive; the voice of @tyler-voice) laughs, then sighs: "[5.2s:12.5s] Oh, easy. My dad told me never to buy a used boat. I now own two used boats." Marcus bursts out laughing: "[13.2s:14.4s] Two?" Tyler, defeated: "[15.0s:21.5s] Two. Neither one floats. I keep them in the driveway as a warning to others." Marcus, to his listeners: "[22.2s:27.0s] And that, folks, is why we listen to our dads." Both laugh; the street noise swells and fades out.

ทำไมถึงได้ผล: เสียงที่บันทึกไว้แต่ละเสียงมีชื่อ มีคำอธิบาย และผูกกับผู้พูดหนึ่งคน ส่วนบทพูดที่กำหนดเวลาไว้จะเติมเต็มคลิปโดยเว้นช่วงสั้น ๆ ระหว่างแต่ละคน เปลี่ยน handle เป็นเสียงที่คุณบันทึกไว้เอง และตั้งความยาวเป็น 30 วินาที

เสียงพูดและเสียงประกอบสำหรับวิดีโอ

หากต้องการให้ Character ในวิดีโอมีเสียง ให้สร้างบทพูดที่สะอาดที่นี่ (บันทึกเสียงแบบสตูดิโอ ไม่มีเพลงและเสียงพื้นหลัง) บันทึกไว้ แล้วแนบกับ Character หรือเก็บไว้เป็น Reference เสียง จากนั้นเรียก Character ในโมเดลวิดีโอที่รองรับเสียง เช่น Cherry โมเดลวิดีโออาจใช้เฉพาะไม่กี่วินาทีแรกของคลิปเสียง ดังนั้นควรให้คลิปเริ่มพูดตั้งแต่ต้น

หากต้องการให้พอดีกับคลิปที่มีอยู่แล้ว ให้วัดความยาวของคลิป เลือกความยาวที่มากกว่าถัดไป กำหนดเวลาบทพูดให้ตรงกับภาพ แล้วตัดแต่งผลลัพธ์ในโปรแกรมตัดต่อ

  • สำหรับฉากยาว ให้สร้างทีละส่วนโดยใช้เสียงที่บันทึกไว้ชุดเดิมในทุกส่วน แล้วค่อยนำมาต่อกันภายหลัง

Speech Rate, Pitch Rate และ Loudness Rate

Speech Rate, Pitch Rate และ Loudness Rate จะเปลี่ยนทั้งคลิปและทุกเสียงพร้อมกัน ให้ระบุจังหวะและระดับเสียงของผู้พูดแต่ละคนด้วยคำพูดแทน และใช้การตั้งค่าเหล่านี้เพื่อปรับภาพรวมเล็กน้อยเท่านั้น เช่น อ่านสคริปต์ที่เสร็จแล้วให้เร็วขึ้นนิดหน่อย

การตั้งค่า Seed ไม่ได้ทำให้ได้ผลลัพธ์เดิมซ้ำ เพราะทุกครั้งที่สร้างจะได้เทคใหม่

ภาษา

Seed Audio พูดได้ทั้งภาษาอังกฤษ จีน ญี่ปุ่น เกาหลี สเปนแบบเม็กซิโก สเปนแบบคาสตีล อินโดนีเซีย เยอรมัน โปรตุเกสแบบบราซิล ฝรั่งเศส ไทย เวียดนาม มลายู ฟิลิปปินส์ อิตาลี รัสเซีย ดัตช์ โปแลนด์ ตุรกี และสวีเดน เสียงเดียวสามารถใช้ข้ามภาษาได้

เขียนพรอมต์ทั้งหมดเป็นภาษาเดียวกับบทพูด รวมถึงคำอธิบายฉาก และระบุสำเนียงที่ต้องการในบันทึกเกี่ยวกับเสียง

ข้อผิดพลาดที่พบบ่อย

สิ่งที่ควรเลี่ยง และสิ่งที่ควรทำแทน

  • เลี่ยง: ใส่แค่คำพูด ทั้งที่ต้องการให้เป็นฉาก

    Welcome back to the show.

    ทำแบบนี้แทน: สถานที่ เสียง และน้ำเสียง แล้วค่อยตามด้วยคำพูด

    A late-night talk show studio, a live audience settling down, a house band finishing a riff. The host (a man in his fifties, warm, polished, a little mischievous) says: "Welcome back to the show."
  • เลี่ยง: คลิปเสียงที่สะอาดโดยไม่มีคำแนะนำ

    Mara says: "I grew up on this coast."

    ทำแบบนี้แทน: ระบุว่าเป็นการบันทึกเสียงที่สะอาด

    Clean, close-miked studio voice recording. No music, no background sound, no effects. Mara (a woman in her early thirties, low and warm) says: "I grew up on this coast."
  • เลี่ยง: สคริปต์ที่ยาวกว่าคลิป

    ทำแบบนี้แทน: ใช้คำน้อยลง หรือเลือกความยาวที่มากขึ้น

  • เลี่ยง: ช่วงเวลาของทั้งคลิป เช่น "[0.0s:10.0s]"

    ทำแบบนี้แทน: กำหนดช่วงเวลาเฉพาะแต่ละบทพูด ส่วนช่วงเวลาของทั้งคลิป Mage จะเพิ่มให้เอง

  • เลี่ยง: "@Audio1" หรือเสียงที่บันทึกไว้แต่ไม่มีคำอธิบาย

    ทำแบบนี้แทน: @handle ของเสียง พร้อมคำอธิบายเสียงไว้ข้าง ๆ

  • เลี่ยง: ผู้พูดในบทสนทนาที่ไม่มีชื่อ

    ทำแบบนี้แทน: ชื่อและบันทึกเกี่ยวกับเสียงของผู้พูดทุกคน

  • เลี่ยง: พรอมต์ภาษาอังกฤษที่มีบทพูดเป็นภาษาฝรั่งเศส

    ทำแบบนี้แทน: พรอมต์ทั้งหมดเป็นภาษาฝรั่งเศส

  • เลี่ยง: "ธีมจากภาพยนตร์ชื่อดัง"

    ทำแบบนี้แทน: เพลงต้นฉบับในแนวและอารมณ์นั้น

คำถามที่พบบ่อย

คำถามเกี่ยวกับการเขียนพรอมต์ Seed Audio

พรอมต์ของ Seed Audio ควรยาวแค่ไหน
ยาวพอดีกับความยาวที่เลือกและไม่ต้องยาวกว่านั้น สำหรับเสียงพูด ให้คิดประมาณ 2.5 คำต่อวินาที แล้วเพิ่มสถานที่ ดนตรี และบันทึกเกี่ยวกับเสียงรอบ ๆ พรอมต์ทั้งหมดควรยาวไม่เกินประมาณ 3,000 ตัวอักษร
จะใช้เสียงเดิมในหลายคลิปของ Seed Audio ได้อย่างไร
บันทึกเสียงที่สะอาดของเสียงนั้นไว้ แล้วเรียก @handle ในทุกพรอมต์ พร้อมอธิบายเสียงด้วยคำพูดไว้ข้าง ๆ การใช้คำอธิบายอย่างเดียวจะทำให้เสียงเพี้ยนไปในแต่ละเทค
Seed Audio สร้างดนตรีที่ไม่มีเสียงร้องได้ไหม
ได้ เริ่มด้วย "Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics." จากนั้นอธิบายเครื่องดนตรีและท่อนต่าง ๆ แล้วปิดท้ายด้วย "Final mix: No vocals or spoken words."
ทำไมคลิป Seed Audio ของฉันถึงตัดกลางคำ
คลิปจะยาวเท่ากับที่คุณตั้งไว้พอดีเสมอ และส่วนที่เกินจะถูกตัดออก ให้ใช้คำน้อยลง เลือกความยาวที่มากขึ้น หรือกำหนดเวลาบทพูดให้บทสุดท้ายจบก่อนคลิปสิ้นสุดครึ่งวินาที
จะกำหนดเวลาบทสนทนาใน Seed Audio ได้อย่างไร
ขึ้นต้นแต่ละบทพูดที่อยู่ในเครื่องหมายคำพูดด้วยช่วงเวลาเป็นวินาที เช่น "[3.5s:8.0s] I have to go." โดยกะความยาวที่ประมาณ 2.5 คำต่อวินาที และเว้นช่วงสั้น ๆ ระหว่างผู้พูด
Seed Audio พูดได้กี่ภาษา
20 ภาษา เช่น อังกฤษ จีน ญี่ปุ่น เกาหลี สเปน โปรตุเกส ฝรั่งเศส เยอรมัน อิตาลี และรัสเซีย เขียนพรอมต์ทั้งหมดเป็นภาษาเดียวกับบทพูด
Seed Audio ใส่เสียงให้รูปภาพได้ไหม
ได้ อัปโหลดรูปภาพคนหรือสิ่งมีชีวิต 1 รูปเป็นรูปภาพ แล้วเขียนเฉพาะวิธีพูดและคำพูด แต่ใช้รูปภาพร่วมกับคลิปเสียงที่บันทึกไว้ในการสร้างครั้งเดียวกันไม่ได้

สร้างเสียงแรกของคุณด้วย Seed Audio

บัญชีใหม่รับ 300 Gems ฟรี เพียงพอสำหรับลองใช้ Seed Audio ไม่ต้องติดตั้ง ไม่ต้องใช้บัตรเครดิต

ลองใช้ Seed Audio