Yapay Zeka Ses Oluşturucu

Yapay zeka ses oluşturucu, yazılı metni sesli anlatıma dönüştürür. Ne söylenmesi gerektiğini yazarsın, nasıl duyulması gerektiğini de yaş, aksan, tempo ve duygu gibi ayrıntılarla anlatırsın; model de bunu seslendirir. Ortaya bir videoya, oyuna, podcast girişine veya sunuma ekleyebileceğin bir ses dosyası çıkar.

Mage'de ses modeli Seed Audio'dur. Tek bir prompt'tan ses, diyalog, müzik ve ses efekti üretir ve seçtiğin uzunlukta tam olarak bir MP3 verir: 5, 10, 30, 60 veya 120 saniye. Bir görsel referansı ya da sesi yönlendirmek için en fazla üç ses referansı alabilir, ancak aynı klipte ikisi birlikte kullanılamaz.

Mage'de asıl işe yarayan kısım sonrasında olanlar. Kayıtlı bir karakter bir ses taşıyabilir ve karakter seslerini okuyan video modelleri (Cherry, Raspberry, Plum, Lemon ve MiniMax-H3) bu sesi otomatik olarak kullanır; böylece tasarladığın kişi her klipte aynı sesle konuşur. Lipsync uygulaması da oluşturduğun bir ses kaydını alıp bir yüzü bu sese senkronlayabilir.

Bir ses prompt'u iki bölümden oluşur: ne söylendiği ve nasıl duyulduğu. Söylenecek sözleri tırnak içine al ki metin olduğu net olsun, ardından performansı çevresinde anlat. "Yetmişlerinde, sıcak ve boğuk sesli, yavaş ve eğlenen bir adam, sessiz bir odada mikrofona yakın şöyle diyor: “Her hikâye, evde kalması gereken birinin yüzünden başlar.”" ifadesi Seed Audio'ya bir konuşmacı, bir anlatım tarzı ve bir mekân verir.

Bir sesi en çok değiştiren ayrıntılar yaş, enerji, tempo ve mesafedir. Mikrofona yakın bir fısıltı, büyük bir salonda sahne sesi ve telefon hattında yorgun bir ses, aynı sözlerin üç farklı performansıdır. Duyguyu tek başına bir sıfatla değil, alay etmek, yalvarmak ya da duyurmak gibi bir fiille belirt.

• Tam sözleri tırnak içine al
• Bir yaş aralığı ve enerji seviyesi ver
• Tempoyu belirt: telaşsız, tez canlı, kesik kesik
• Ortamı tarif et: kayıt kabini, sokak, katedral, telefon
• Uzun bir metne geçmeden önce sesi denemek için 5 veya 10 saniyelik bir replik kullan

Seed Audio tam olarak seçtiğin süreyi verir, bu yüzden uzunluğu metne göre ayarla. Tek bir replik ya da bir tepki 5 veya 10 saniyeye sığar. Kısa bir seslendirme veya ürün anlatımı 30 saniyeye sığar. Bir diyalog sahnesi ya da anlatım 60 veya 120 saniyeye sığar. Klip için fazla uzun bir metin aceleye gelir; fazla kısa olan ise sonda sessizlik ya da oda sesi bırakır.

Sesin nereye gideceğini önceden planla. Lipsync ve Music Video en fazla 15 saniyelik ses alır; bu yüzden konuşan bir portre için 10 saniyeye sığan bir replik yaz ve o uzunlukta oluştur.

Mage'de bir karakter ses taşıyabilir: bir MP3 veya WAV yükle ya da karakteri oluştururken Seed Audio ile kısa bir örnek üret. Bundan sonra karakter her konuştuğunda Cherry, Raspberry, Plum, Lemon ve MiniMax-H3 bu sesi otomatik olarak kullanır. Yapay zeka karakter oluşturucu rehberi karakterleri, yapay zeka konuşan fotoğraf rehberi ise bir portreye nasıl replik söyletileceğini anlatır.

Referans sesi yalnızca kendi sesin ya da kullanma iznin olan bir ses için kullan. Gerçek bir kişiyi onun rızası olmadan taklit etmek Mage'de yasaktır.