Yapay Zeka ile Metinden Sese

Metinden sese (TTS), yazılı metni konuşulan sese çevirir. Eski TTS sistemleri kelimeleri tek düze bir sesle art arda okurdu. Modern yapay zeka metinden sese teknolojisi ise önce bütün metni okur; hangi kelimenin vurgulanacağını, cümlenin nerede soruya döndüğünü ve bir duraklamanın ne zaman anlam kattığını anlar, insan nefesi ve ritmiyle konuşur.

Mage'de metinden sese, ElevenLabs'in en yeni modeli Eleven v4 ile çalışan Eleven Speech üzerinde çalışır. En fazla 5.000 karakter yapıştırır, 16 sesten birini seçersin ve okuma süresi kadar uzun bir MP3 alırsın. [whispers], [laughs] veya [excited] gibi köşeli parantezli ses etiketleri, sesli okunmadan anlatımı yönlendirir.

Mage'in görsel ve video modelleriyle aynı hesapta yer alır. Bir anlatım doğrudan bir videonun altına, bir karaktere ses olarak ya da bir portreyi konuşturmak için Lipsync uygulamasına aktarılabilir.

Metinden sese araçları sana verdiğin metni olduğu gibi okur, bu yüzden kulak için yaz. Söylenmesi gerekenleri nasıl duyulmasını istiyorsan öyle yaz: "12 sa" yerine "on iki saat", sayı yıl olarak okunacaksa "iki bin yirmi altı yılı", harf harf okunmaması gereken kısaltmalar için tam kelimeler. Uzun cümleleri kısa cümlelere böl; dinleyici geri kaydıramaz.

Noktalama, tempoyu yönlendirmenin en kolay yoludur. Virgül kısa bir nefes, nokta daha uzun bir nefes, üç nokta bir tereddüt, tire ise ani bir kesintidir. Soru işareti tüm cümlenin melodisini değiştirir, bu yüzden soruların gerçekten soru işaretiyle bittiğinden emin ol.

• Okunuşu önemliyse sayıları kelimeyle yaz
• Cümleleri kısa ve konuşma diliyle tut
• Duraklamalar için üç nokta, kesintiler için tire kullan
• Oluşturmadan önce metni bir kez yüksek sesle oku
• Çok uzun metinleri bölümlere ayır

16 ses, en yaygın işleri kapsar. Uzun anlatımlar ve sesli kitaplar için Darian, Florence veya Sawyer gibi sakin bir hikâye anlatıcısı seç. Haber, eğitim ve tanıtım videoları için Alicia veya Eldrin gibi net bir sunucu sesi uygundur. Reklamlar ve sosyal medya videoları için Elowen, Jade veya Lawrence gibi enerjik, modern bir ses seç. Oyunlar için Kaelen gibi bir karakter sesi iyi gider.

Her ses desteklenen tüm dilleri konuşur, yani İspanyolca ya da Japonca bir metin hepsiyle çalışır. İlk iki üç cümleyi birkaç sesle oluştur, karşılaştır, sonra metnin tamamını sana uyan sesle üret.

Eleven v4, köşeli parantez içindeki etiketleri yönerge olarak okur. [excited], [nervous], [sarcastic] ve [softly] duyguyu değiştirir; [whispers] ve [shouting] ses seviyesini değiştirir; [sighs], [laughs] ve [gulps] bir tepki ekler; [door creaks] veya [applause] okumanın içine bir ses ekler. Etiketi değiştirmek istediğin cümlenin hemen önüne koy ve cümle başına bir ya da iki etiket kullan.

Etiketler diyalogları ve karakter replikleri canlandırır; düz anlatım çoğu zaman etiket gerektirmez. Her videoda aynı kalması gereken karakter sesleri için yapay zeka ses oluşturucu rehberine, şarkılar ve fon müzikleri için ise yapay zeka müzik oluşturucu rehberine göz atabilirsin.

Aynı sesler Mage API üzerinden de çalışır: metni ve bir sesi POST /v1/eleven_speech/generate adresine gönder, karşılığında bir MP3 al; fiyatlandırma 250 karakterlik bloklar üzerinden yapılır. Mage API sayfasına göz at. Mage MCP sunucusu bağlıyken Claude, ChatGPT ve diğer asistanlar, maliyetini Gem olarak söyledikten sonra bir metni sohbette senin için sesli okuyabilir.