Voice Kit: lektory w Twoim głosie lub głosie ze biblioteki

Voice Kit czyta tekst za pomocą usługi głosowej. Gdy ta usługa jest wyłączona, żółta notatka u góry strony to informuje, a każde odczytanie zamiast tego używa dźwięku próbnego: łagodnych tonów o rytmie mowy, po jednym na grupę sylab, z prawdziwymi pauzami przy przecinkach, kropkach i znacznikach [pause]. Pozwala wypróbować każdy krok i sprawdzić tempo oraz długość scenariusza, ale nie jest to głos. Wszędzie, gdzie się pojawia, jest oznaczony jako Dźwięk próbny, głosy z biblioteki nazywają się Warm (próbny) i Clear (próbny), a pobieranie MP3 jest wyłączone (próbka pobiera się jako WAV).

Rozpocznij lektor (po lewej): wybierz Język, a następnie wybierz źródło słów za pomocą czterech zakładek. Wpisz lub wklej: pole na cały scenariusz (każdy akapit staje się jedną linią; przycisk mikrofonu wpisuje to, co mówisz), potem Rozpocznij z tym scenariuszem lub Zacznij od pustego, AI napisze, aby otworzyć pusty scenariusz i poprosić AI o jego przygotowanie. Plik: Word (.docx), PDF, tekst, Markdown lub HTML do 8 MB. Strona internetowa: wpisz adres i naciśnij Wczytaj; czytelny tekst strony zostanie wczytany. Writing Pack: lista Twoich wersji roboczych w Writing Pack; kliknij jedną, aby wczytać jej słowa. Bardzo długie źródła są wczytywane do 6000 znaków, a pojawi się o tym informacja.

Twoje lektory zawiera listę wszystkich scenariuszy wraz z liczbą słów, przybliżoną długością, językiem i datą; kliknij jeden, aby go otworzyć (każdy ma własny adres, więc możesz dodać go do zakładek lub udostępnić link sobie). Pole wyszukiwania pojawia się, gdy masz więcej niż cztery pozycje.

Głosy (po prawej) pokazują Twoje własne głosy i głosy z biblioteki. Po otwarciu scenariusza wybierz, kto go czyta.

Nazwa u góry to nazwa lektora: kliknij ją, aby zmienić. Napis Zapisano / Zapisywanie… obok pokazuje, że każda zmiana zapisuje się automatycznie chwilę po zakończeniu pisania.

Język określa, w jakim języku scenariusz jest napisany i odczytywany (angielski, hiszpański, francuski, niemiecki, portugalski, włoski, holenderski, polski, japoński, chiński, koreański, hindi). Długość to cel: 15, 30, 60 lub 90 sekund (naciśnij ponownie, aby wyczyścić) albo wpisz dowolną długość od 5 do 600 sekund w polu Inna. Po prawej: szacunek (≈ sekundy i słowa, przy około 150 słowach na minutę plus pauzy) oraz, po wybraniu celu, Zgodnie z celem lub o ile sekund dłużej lub krócej.

Twój scenariusz pokazuje cały tekst w jednym polu, tak jak zostanie odczytany, z pustą linią między akapitami. Pisz w nim, wklejaj lub użyj przycisku mikrofonu. Każdy akapit to część: po zmianie akapitu po odczytaniu ponownie czytana jest tylko ta część, a notatka pod polem informuje, ile części się zmieniło.

Część po części (przełącznik nad scenariuszem) pokazuje każdy akapit osobno. Pod jego słowami: Nastrój (Naturalny, Wesoły, Podekscytowany, Pewny siebie, Ciepły, Spokojny, Poważny, Ciekawy, Zaskoczony, Smutny), Tempo (Wolniej, Normalnie, Szybciej) oraz Głos (Główny głos lub dowolny z Twoich głosów albo głosów z biblioteki, dzięki czemu jeden scenariusz może mieć dwóch lub więcej mówców, np. gospodarza i gościa), a także Popraw słowo. Następnie długość i przycisk odtwarzania po odczytaniu, Przeczytaj tę część ponownie, 3 wersje oraz kosz. Zmiana nastroju, tempa lub głosu części oznacza ją do ponownego odczytania. Nastroje są odczytywane jako prawdziwe emocje przez silnik Cartesia, a jako mniej lub bardziej ekspresyjna interpretacja przez ElevenLabs.

3 wersje odczytuje część jeszcze dwa razy, z nieco inną interpretacją; wszystkie trzy pojawiają się jako Wersja 1, Wersja 2, Wersja 3, każda z przyciskiem odtwarzania, a Zachowaj ustawia wybraną wersję do użycia w całym odczycie (Zachowano oznacza wybraną). 3 nowe wersje zastępują wersje 2 i 3. Cały scenariusz przełącza z powrotem. Dodaj słowa z… (te same cztery źródła) dodaje słowa na końcu, a Usuń (najpierw pyta) usuwa lektor i jego odczyty.

Popraw sposób wymowy słowa: zaznacz słowo lub nazwę w Cały scenariusz i naciśnij Popraw sposób wymowy (albo naciśnij Popraw słowo przy części w Część po części i wpisz słowo). Panel pokazuje słowo z przyciskiem Posłuchaj teraz (odczytuje zdanie, w którym się znajduje, głosem wybranym w Kto czyta). Pod Co jest nie tak? wybierz dowolne z: Źle wymawia, Zły akcent na sylabę, Literuje litera po literze, Za szybko lub niewyraźnie, Brzmi jak inne słowo, i opisz to również własnymi słowami (wpisując lub mikrofonem), a następnie naciśnij Znajdź poprawki. AI zaproponuje trzy lub cztery pisownie, które głos wypowie poprawnie (np. in-FIN-ih-tee lub Win zamiast Nguyen), każda z uzasadnieniem; naciśnij Odsłuchaj przy dowolnej, aby usłyszeć ją w zdaniu przed zachowaniem. Użyj wszędzie zapisuje ją na liście wymowy i ponownie odczytuje każdą część zawierającą to słowo; Tylko w tym scenariuszu wpisuje nową pisownię tylko do tego scenariusza. Możesz też wpisać własną pisownię w polu Lub wpisz, jak powinno brzmieć, i Odsłuchaj. Znajdź inne poprawki pyta ponownie.

Lista wymowy (pod skryptem): każde zapisane przez Ciebie słowo i sposób jego wymawiania, we wszystkich odczytach na Twoim koncie i we wszystkich lektorach. Każde ma przycisk Odsłuchaj i kosz, a Dodaj przyjmuje słowo oraz sposób jego wymowy wpisany ręcznie. Tekst skryptu się nie zmienia: lista jest stosowana podczas czytania.

Wpisz [pause] lub [pause 1.5s], aby zrobić pauzę. Jeśli imię lub słowo brzmi źle, zapisz je tak, jak się wymawia, i odczytaj ponownie tylko tę linijkę.

Asystent pisania AI (fioletowe pole) to jedno pole do pisania i zmieniania tekstu. Przy nowym skrypcie wpisz lub powiedz, co ma zawierać (nazwę firmy, ofertę, numer telefonu lub stronę internetową, cokolwiek, co musi się w nim znaleźć), albo zostaw pole puste, wybierz Dla (Film społecznościowy lub reel, Reklama lub spot radiowy, Powitanie telefoniczne lub czekanie na linii, Prezentacja produktu lub usługi, Wydarzenie, wyprzedaż lub ogłoszenie albo Coś innego) oraz ton (Przyjazny, Profesjonalny, Energiczny, Spokojny, Zabawny), a następnie naciśnij Napisz. Tekst będzie miał długość ustawioną w polu Długość (domyślnie 30 sekund), będzie utrzymany w Twoim głosie marki, gdy zaznaczysz Użyj mojego głosu marki, i będzie podzielony na naturalnie brzmiące akapity.

Gdy skrypt już istnieje, to samo pole przyjmuje każdą zmianę wpisaną lub podyktowaną własnymi słowami ("uczyń początek bardziej uderzającym", "dodaj nasze godziny w sobotę", "przetłumacz na hiszpański"): naciśnij Wprowadź zmianę (lub ⌘/Ctrl+Enter). Popraw tekst sprawia, że lepiej brzmi przy czytaniu na głos i jest zwięźlejszy, zachowując każdy fakt, nazwę, liczbę i ofertę. Napisz nową wersję tworzy nowy skrypt z tego, co wpisałeś, z wybranymi polami Dla, tonem i długością. Przyciski pod polem to zmiany jednym kliknięciem, a nie ograniczenie: Dopasuj do długości, Uczyń przyjaźniejszym, Łatwiej wymówić, Mocniejsze zakończenie. Zdania i fakty, o które nie prosiłeś, pozostają dokładnie takie, jakie były, a AI nigdy nie wymyśla cen ani numerów telefonów: wpisuje symbol zastępczy, na przykład [your phone number], i wymienia go w sekcji Jeszcze niezrobione.

Pakiet pisarski: naciśnij Otwórz Pakiet pisarski (w nowej karcie), aby napisać dłuższy tekst przy pomocy jednego z jego pisarzy, a następnie naciśnij przenieś szkic tutaj, aby dodać go do tego skryptu.

Po każdej zmianie pojawia się notatka, która wylicza, co zostało Zrobione, a na początku wszystko, co Jeszcze niezrobione, z podaniem powodu, a skrypt poniżej na chwilę się podświetla, abyś zobaczył, gdzie trafiła zmiana. Cofnij przywraca skrypt sprzed tej zmiany.

Utwórz własny głos otwiera duży panel. Na górze Jak nagrać głos brzmiący jak Ty (domyślnie otwarte) wymienia, co Robić (cicha, miękka przestrzeń; mniej więcej szerokość dłoni od mikrofonu; Twój zwykły głos reklamowy; wplataj pytania, liczby i imiona; 1 do 2 minut łącznie, wszystko w tym samym miejscu) oraz czego Nie robić (muzyki, telewizora, wentylatorów lub innych osób; pogłosowych pomieszczeń lub samochodu; reklam czy filmów z muzyką pod Twoim głosem; słuchawek Bluetooth lub głośnika; szeptania, krzyczenia, pośpiechu lub monotonnego czytania; długich pauz i kaszlu). Zamknij zamyka panel.

Utwórz własny głos prowadzi przez trzy kroki. 1, Twoje imię: tak, jak je wypowiesz. 2, Przeczytaj to zdanie na głos: naciśnij Nagraj zdanie, przeczytaj zdanie na ekranie ("Ja, [your name], wyrażam zgodę na to, by aiKit stworzył głos AI z moich nagrań i będę go używać wyłącznie do mojej pracy.") i naciśnij Zatrzymaj. Podczas nagrywania widoczna jest czerwona kropka, czas i miernik poziomu. 3, 1 do 2 minut Twojej mowy: Nagraj (lub Prześlij nagranie: MP3, M4A, WAV, WebM lub OGG), dowolną liczbę razy, do sześciu nagrań; pasek wypełnia się w stronę dwóch minut, potrzebne jest co najmniej 30 sekund, a najlepiej minuta lub więcej. Trzy teksty do przeczytania znajdują się nad przyciskami, każdy jako zakładka: Twoja firma; Historia; oraz Liczby i imiona (przeczytaj wszystkie trzy przez około dwie minuty lub po prostu opowiedz o swojej pracy). Każde nagranie jest wymienione wraz z długością, odtwarzaczem do odsłuchania (nagrania wykonane podczas tej wizyty), kontrolą jakości mierzoną w przeglądarce (Brzmi czysto lub wskazówka, np. Cicho: podejdź bliżej, Miejscami za głośno, Szum tła lub Dużo ciszy) oraz kosz. Nagranie zgody ma ten sam odtwarzacz i kontrolę.

Utwórz mój głos uruchamia sprawdzenia, a następnie tworzy głos. Zdanie zgody jest zamieniane na tekst i porównywane z tym zdaniem (imię jest pomijane, ponieważ imiona zapisuje się na wiele sposobów); co najmniej 70% jego słów musi zostać rozpoznanych. Podstawowe sprawdzenie tego samego głosu porównuje wysokość i barwę nagrania zgody z Twoimi próbkami; muszą się zgadzać, więc zdanie musi być przeczytane przez tę samą osobę co próbki. To podstawowe sprawdzenie, a nie odcisk palca. Wynik wymienia każde sprawdzenie z zielonym znacznikiem lub krzyżykiem; jeśli któreś nie przejdzie, głos nie zostanie utworzony, a Napraw nagrania przeniesie Cię z powrotem.

Twoje nagrania i głosy są prywatne i dostępne tylko w Twoim koncie. Kosz obok głosu najpierw pyta o potwierdzenie, a następnie usuwa go także w usłudze głosowej oraz tutaj. Lektory już odczytane tym głosem pozostają Twoje. Do pięciu głosów na konto. Tylko Twój własny głos: nagrania innych osób są niedozwolone. Głos domowy aiKit: administrator aiKit może zaproponować jeden ze SWOICH gotowych głosów (utworzonych przez ten sam proces zgody) wszystkim kontom, używając opcji Oferuj jako głos domowy; pojawia się on wtedy jako pierwszy w sekcji Głosy standardowe, oznaczony jako Głos domowy aiKit, i czyta dla każdego, kto nie ma własnego głosu. Jest widoczny tylko wtedy, gdy włączony jest prawdziwy silnik głosowy. Głos domowy ✓ (zatrzymaj) lub usunięcie tego głosu kończy jego oferowanie. Tworzenie własnego głosu jest otwarte dla administratorów do czasu końcowego przeglądu prawnego; głosy standardowe działają dla wszystkich już teraz.

Przepisy głosowe (pasek nad skryptem) zapisują głos, nastrój, tempo i muzykę pod jedną nazwą, np. Reklamy Northwind lub Linia telefoniczna piekarni. Naciśnij przepis, aby go użyć: głos zostaje wybrany, każda część, która nie ma własnego nastroju lub tempa, otrzymuje ustawienia przepisu, a jego muzyka zostaje ustawiona pod odtwarzaczem. Zapisz jako przepis otwiera krótki formularz: Nazwa, Nastrój i Tempo (zaczynają się od tego, czego używa większość Twoich części), z głosem wybranym w polu Kto czyta oraz muzyką ustawioną pod odtwarzaczem; zapisanie pod nazwą, której już użyto, zastępuje ten przepis. Kosz usuwa jeden przepis. Do 50 przepisów.

Przepisy działają w całym aiKit: gdy inne narzędzie czyta tekst głosem (na przykład lektor w Video Kit), może użyć przepisu, a Twoja lista wymowy działa też tam, dzięki czemu nazwy brzmią tak samo wszędzie.

Lista Kto czyta pokazuje najpierw Twoje gotowe głosy, a potem głosy standardowe (na początku sześć; Wszystkie głosy standardowe pokazuje resztę). Wybrany głos ma kolorowy obrys, a jego wybór zapisuje się w adresie strony. Każdy głos ma przycisk Posłuchaj, który odtwarza krótką próbkę (zrobioną raz i zapisaną, więc następnym razem startuje od razu); naciśnij Stop lub Posłuchaj przy innym głosie, aby ją zatrzymać.

Odsłuchaj: duży przycisk mówi, co zrobi: Przeczytaj głosem <voice>, Przeczytaj N zmienionych linii lub Przeczytaj wszystko ponownie. Ponownie czytane są tylko nowe lub zmienione linie, więc poprawka jednego słowa kosztuje jedną linię. Podczas pracy panel pokazuje, ile linii jest czytanych; długie skrypty są czytane w rundach, a licznik się aktualizuje. Jeśli linii nie udało się odczytać, Jeszcze nie gotowe mówi ile i dlaczego, a ponowne naciśnięcie przycisku czyta tylko je.

Gdy wszystkie linie są przeczytane, odtwarzacz pokazuje przebieg fali całego lektora: naciśnij okrągły przycisk, aby odtwarzać lub wstrzymać, kliknij przebieg (lub użyj klawiszy strzałek na nim), aby przeskoczyć, a linia, która jest wypowiadana, pojawia się pod spodem. Linie są połączone krótką chwilą ciszy.

Słowa pod odtwarzaczem podświetlają się podczas czytania. Kliknij słowo, aby tam przeskoczyć. Zaznacz od jednego do trzech słów i naciśnij Popraw wymowę (otworzy panel poprawek w skrypcie) albo zaznacz dowolne słowa i naciśnij Wskaż, jak je czytać, aby powiedzieć głosowi, jak je wymówić. Czasy słów są rozłożone w każdej części według długości, więc są bliskie, ale nie dokładne.

Wskaż sposób czytania (pod odtwarzaczem): opisz, jak ma brzmieć, własnymi słowami, wpisanymi lub powiedzianymi, na przykład więcej energii przy „w ten weekend”, zwolnij przy cenie albo brzmij, jakbyś się uśmiechał, i naciśnij Zastosuj, albo wybierz jeden ze skrótów (Więcej energii, Brzmij jakbyś się uśmiechał, Zwolnij przy liczbach i numerze telefonu, Spokojniej i bardziej zaufanie, Mocniejszy początek, Więcej pauzy przed wezwaniem do działania). AI zmienia nastrój, tempo i tam, gdzie to pomaga, kilka słów tylko w tych częściach, których dotyczy wskazówka (głos nie obsługuje akcentu na jednym słowie, więc używa tego, czego głos się trzyma: krótkiej pauzy przed słowem, wykrzyknienia lub krótszego zdania), zapisuje skrypt i czyta ponownie tylko te części. Gotowe wypisuje każdą zmianę, a Jeszcze nie gotowe mówi, czego głos nie potrafi i dlaczego. Cofnij przywraca te części i czyta je ponownie.

Sprawdź z trenerem AI: słucha odczytu (zamiana mowy na tekst) i pokazuje tempo w słowach na minutę, a potem Tempo (150 do 170 słów na minutę pasuje do większości reklam), Wyraźność, Początek (czy pierwsze zdanie przyciąga uwagę w 3 sekundy) oraz Nazwy i słowa (dłuższe wyrazy, których sprawdzenie słuchem nie wychwyciło, często nazwisko wymówione źle). Każda wskazówka ma poprawkę: Popraw wymowę dla słowa albo Napraw, która wstawia wskazówkę do Wskaż sposób czytania, do naciśnięcia. Sprawdź ponownie słucha odczytu jeszcze raz po zmianach. Dźwięk próbkowy nie jest mową, więc sprawdzenie słów działa tylko z prawdziwymi głosami.

Muzyka pod głosem (pod odtwarzaczem, gdy każda część jest przeczytana): wybierz aiKit Original, ustaw Muzykę (jak głośno), naciśnij Odsłuchaj z muzyką i Pobierz z muzyką (WAV), aby dostać gotowy miks. Muzyka startuje chwilę przed głosem, cichnie, gdy mówi głos, i wycisza się na końcu. Napisy: pliki .srt i .vtt zsynchronizowane z odczytem, po kilka słów naraz, do rolek, YouTube i odtwarzaczy wideo.

Pobieranie i więcej: MP3 (prawdziwe głosy), WAV (każdy odczyt), Zapisz w Bibliotece grafik (w folderze Voice Kit, kategoria Lektor) oraz Użyj w Motion Maker, które zapisuje go w bibliotece i otwiera Motion Maker z głosem na karcie Muzyka, a muzyka cichnie pod nim. Niżej oceń odczyt kciukiem w górę lub w dół; kciuk w dół pyta, co poszło nie tak, i trafia do zespołu aiKit. Znacznik Głos AI / Dźwięk próbkowy na górze panelu mówi, co słyszysz.

Przed odczytaniem nowych linii szybki kontrolny AI sprawdza je pod kątem podszywania się. Przedstawianie siebie i własnej firmy jest w porządku („Cześć, jestem Sam, właściciel Sam's Bikes”): osoba lub firma mało znana jest traktowana jako Ty. Nie są czytane: znana osoba mówiąca lub polecająca w pierwszej osobie, znana firma, bank albo urząd państwowy mówiący jako on sam („to dzwoni do ciebie twój bank”) lub każda wiadomość podszywająca się pod nich, by prosić o płatność lub dane osobowe. Panel mówi, dlaczego. Wspominanie lub recenzowanie prawdziwych osób i firm, reklamy własnej firmy oraz postacie fikcyjne są w porządku. Każda linia jest sprawdzana raz; zmiana sprawdza ją ponownie.

Voice Kit zużywa tokeny Twojego konta według rzeczywistego kosztu usługi głosowej: czytanie jest liczone za znak (około 3 do 9 centów za 30-sekundowy odczyt, zależnie od usługi głosowej), plus niewielki koszt każdej zmiany skryptu przez AI i kontroli bezpieczeństwa. Czytanie tylko zmienionych linii utrzymuje koszt na niskim poziomie. Jeśli żądanie przekroczy to, co zostało w Twoim planie, nie zostanie uruchomione, a komunikat to powie. Administratorzy widzą koszt każdego odczytu w centach pod odtwarzaczem.

Administratorzy widzą Test silników obok siebie pod odtwarzaczem. Gdy obie usługi głosowe są włączone, Czytaj na obu czyta otwarty skrypt wybranym głosem na każdej usłudze, pokazuje odtwarzacz i koszt dla każdej, a Użyj tego silnika sprawia, że ten odczyt jest używany do każdego lektora od tej pory (Twój własny głos jest tworzony na obu usługach, gdy go tworzysz). Gdy włączona jest jedna lub żadna, pokazuje, które są włączone.

Inne narzędzia aiKit prosą Voice Kit o lektora w ten sam sposób: wchodzą słowa, a wraca lektor z czasem początku i końca każdej linii, dzięki czemu napisy mogą podążać za głosem. Jest czytany Twoim najnowszym głosem (lub pierwszym głosem standardowym), liczony z Twoich tokenów i oznaczany jako dźwięk próbkowy, gdy prawdziwe głosy są wyłączone.