Voice Kit: lồng tiếng bằng giọng của bạn hoặc giọng có sẵn

Voice Kit đọc bằng dịch vụ giọng nói. Khi dịch vụ này đang tắt, một ghi chú màu vàng ở đầu trang sẽ thông báo, và mọi lượt đọc sẽ dùng âm thanh mẫu: âm sắc nhẹ, nhịp như lời nói, mỗi nhóm âm tiết một âm, có khoảng nghỉ thật tại dấu phẩy, dấu chấm và dấu [pause]. Công cụ này giúp bạn thử mọi bước và kiểm tra thời gian và độ dài của kịch bản, nhưng đây không phải là giọng nói. Ở bất cứ đâu xuất hiện, nó được ghi nhãn Âm thanh mẫu, các giọng có sẵn được gọi là Warm (mẫu) và Clear (mẫu), và tính năng tải MP3 bị tắt (mẫu sẽ tải về dạng WAV).

Bắt đầu một bản lồng tiếng (bên trái): chọn Ngôn ngữ, rồi chọn nguồn nội dung bằng bốn thẻ. Gõ hoặc dán: một ô cho toàn bộ kịch bản (mỗi đoạn thành một dòng; nút micro để gõ lời bạn nói), rồi Bắt đầu với kịch bản này, hoặc Bắt đầu trống, AI sẽ viết để mở một kịch bản trống và yêu cầu AI tạo một bản. Tệp: Word (.docx), PDF, văn bản, Markdown hoặc HTML tối đa 8 MB. Trang web: nhập địa chỉ rồi nhấn Lấy nội dung; phần chữ đọc được của trang sẽ được nhập vào. Writing Pack: danh sách các bản nháp Writing Pack của bạn; nhấn vào một bản để nhập nội dung. Nguồn rất dài sẽ được nhập tối đa 6.000 ký tự, và có ghi chú cho biết điều đó.

Lồng tiếng của bạn liệt kê mọi kịch bản bạn đã tạo, kèm số từ, độ dài ước tính, ngôn ngữ và ngày; nhấn vào một kịch bản để mở (mỗi kịch bản có địa chỉ riêng, nên bạn có thể lưu hoặc gửi liên kết cho chính mình). Hộp tìm kiếm sẽ xuất hiện khi bạn có hơn bốn kịch bản.

Giọng nói (bên phải) hiển thị giọng của bạn và giọng có sẵn. Chọn người đọc kịch bản khi đã mở một kịch bản.

Tên ở đầu là tên của bản lồng tiếng: nhấn vào để đổi tên. Dòng Đã lưu / Đang lưu… bên cạnh cho biết mọi thay đổi được tự động lưu ngay sau khi bạn ngừng gõ.

Ngôn ngữ đặt ngôn ngữ mà kịch bản được viết và đọc (tiếng Anh, Tây Ban Nha, Pháp, Đức, Bồ Đào Nha, Ý, Hà Lan, Ba Lan, Nhật, Trung, Hàn, Hindi). Độ dài là mục tiêu: 15, 30, 60 hoặc 90 giây (nhấn lại để xóa), hoặc nhập độ dài bất kỳ từ 5 đến 600 giây vào ô Khác. Bên phải là ước tính (≈ số giây và số từ, khoảng 150 từ mỗi phút cộng thời gian nghỉ) và, khi đã chọn mục tiêu, Đúng mục tiêu hoặc số giây dài hơn hay ngắn hơn.

Kịch bản của bạn hiển thị toàn bộ nội dung trong một ô, giống cách nó sẽ được đọc, với một dòng trống giữa các đoạn. Gõ trực tiếp, dán vào, hoặc dùng nút micro. Mỗi đoạn là một phần: khi bạn sửa một đoạn sau lần đọc, chỉ phần đó được đọc lại, và một ghi chú dưới ô cho biết có bao nhiêu phần đã thay đổi.

Từng phần (nút chuyển phía trên kịch bản) hiển thị từng đoạn riêng. Dưới nội dung: Cảm xúc (Tự nhiên, Vui vẻ, Hào hứng, Tự tin, Ấm áp, Bình tĩnh, Nghiêm túc, Tò mò, Ngạc nhiên, Buồn), Tốc độ (Chậm hơn, Bình thường, Nhanh hơn), và Giọng (Giọng chính, hoặc bất kỳ giọng của bạn hoặc giọng có sẵn, để một kịch bản có hai hoặc nhiều người nói, như người dẫn và khách mời), cùng Sửa một từ. Tiếp theo là độ dài và nút phát khi đã đọc xong, Đọc lại phần này, 3 lần đọc và thùng rác. Thay đổi cảm xúc, tốc độ hoặc giọng của một phần sẽ đánh dấu phần đó để đọc lại. Cảm xúc được engine Cartesia đọc như cảm xúc thật, và ElevenLabs thể hiện như mức độ diễn đạt nhiều hay ít.

3 lần đọc đọc phần đó thêm hai lần với cách diễn đạt hơi khác; ba bản hiển thị là Lần 1, Lần 2, Lần 3, mỗi bản có nút phát, và Giữ sẽ chọn bản đó để dùng trong toàn bộ lần đọc (Đã giữ sẽ được đánh dấu). 3 lần đọc mới sẽ thay thế lần 2 và 3. Toàn bộ kịch bản quay lại. Thêm từ từ… (bốn nguồn như trên) thêm từ vào cuối, còn Xóa (hỏi xác nhận trước) sẽ xóa bản lồng tiếng và các lần đọc của nó.

Sửa cách đọc một từ: bôi đen một từ hoặc tên trong Toàn bộ kịch bản rồi nhấn Sửa cách đọc (hoặc nhấn Sửa một từ trên một phần trong Từng phần và gõ từ đó). Bảng hiển thị từ với Nghe ngay (đọc câu chứa từ bằng giọng đã chọn trong Ai đọc). Dưới Có gì sai?, chọn bất kỳ mục nào: Phát âm sai, Nhấn sai âm tiết, Đánh vần từng chữ cái, Quá nhanh hoặc nói không rõ, Nghe giống từ khác, và cũng có thể diễn đạt bằng lời của bạn (gõ hoặc dùng micro), rồi nhấn Tìm cách sửa. AI đề xuất ba hoặc bốn cách viết để giọng đọc đúng (như in-FIN-ih-tee, hoặc Win cho Nguyen), kèm lý do; nhấn Nghe trên bất kỳ cách nào để nghe trong câu trước khi giữ lại. Dùng ở mọi nơi sẽ lưu vào danh sách Phát âm của bạn và đọc lại mọi phần có từ đó; Chỉ trong kịch bản này sẽ chỉ ghi cách viết mới vào kịch bản này. Hoặc gõ cách viết riêng của bạn dưới Hoặc nhập cách nó nên đọc rồi nhấn Nghe. Tìm cách sửa khác sẽ hỏi lại.

Danh sách phát âm (dưới kịch bản): mọi từ bạn đã lưu và cách đọc của từ đó, trong mọi lần đọc của tài khoản và mọi lời thuyết minh bằng giọng nói. Mỗi mục có nút Nghe và thùng rác, còn Thêm cho phép nhập một từ và cách đọc theo ý bạn. Nội dung kịch bản viết không bao giờ thay đổi: danh sách được áp dụng khi các từ được đọc lên.

Viết [pause] hoặc [pause 1.5s] để tạo khoảng nghỉ. Nếu một tên hoặc từ bị đọc sai, hãy viết lại đúng theo cách nó được phát âm rồi đọc lại riêng dòng đó.

Trợ lý viết AI (ô màu tím) là một ô dùng để viết và chỉnh sửa. Với kịch bản mới, hãy gõ hoặc nói những gì cần có (tên doanh nghiệp, ưu đãi, số điện thoại hoặc website, bất cứ điều gì bắt buộc phải có), hoặc để trống, chọn Dành cho (Video hoặc reel mạng xã hội, Quảng cáo hoặc spot radio, Lời chào qua điện thoại hoặc khi chờ máy, Giới thiệu sản phẩm hoặc dịch vụ, Sự kiện, đợt giảm giá hoặc thông báo, hoặc Việc khác) và giọng điệu (Thân thiện, Chuyên nghiệp, Năng động, Bình tĩnh, Hài hước), rồi nhấn Viết ngay. Nội dung sẽ theo Độ dài bạn đã đặt (mặc định 30 giây), theo Giọng thương hiệu khi tick Dùng giọng thương hiệu của tôi, và chia thành các đoạn đọc tự nhiên.

Khi đã có kịch bản, chính ô này nhận mọi thay đổi bằng lời của bạn, gõ hoặc nói ("làm phần mở đầu mạnh mẽ hơn", "thêm giờ làm việc thứ Bảy của chúng tôi", "dịch sang tiếng Tây Ban Nha"): nhấn Thực hiện thay đổi (hoặc ⌘/Ctrl+Enter). Cải thiện nội dung giúp câu đọc mượt hơn và gọn hơn, giữ nguyên mọi sự kiện, tên, số liệu và ưu đãi. Viết phiên bản mới sẽ viết một kịch bản mới từ những gì bạn đã nhập, với Dành cho, giọng điệu và độ dài đã chọn. Các nút bên dưới là thay đổi chỉ một chạm, không phải giới hạn: Vừa độ dài, Thân thiện hơn, Dễ đọc hơn, Kết thúc mạnh mẽ hơn. Các câu và thông tin bạn không yêu cầu sẽ giữ nguyên như cũ, và AI không bao giờ tự tạo giá hay số điện thoại: nó sẽ viết một chỗ giữ chỗ như [số điện thoại của bạn] và liệt kê ở mục Chưa thực hiện.

Bộ viết Writing Pack: Mở Writing Pack (tab mới) để viết một nội dung dài hơn với một trong các trình viết của nó, rồi nhấn đưa bản nháp vào đây để thêm vào kịch bản này.

Sau mỗi thay đổi, một ghi chú sẽ liệt kê những gì Đã thực hiện và, đứng đầu, bất kỳ mục Chưa thực hiện nào kèm lý do, đồng thời kịch bản bên dưới được làm nổi viền trong chốc lát để bạn thấy thay đổi nằm ở đâu. Hoàn tác sẽ đưa kịch bản về đúng như trước thay đổi đó.

Tạo giọng nói của riêng bạn mở ra một bảng lớn. Ở trên cùng, Cách ghi âm giọng nói giống bạn (mở sẵn) liệt kê những việc nên Làm (một phòng yên tĩnh, êm; cách micro khoảng một gang tay; giọng quảng cáo bình thường của bạn; xen kẽ câu hỏi, số liệu và tên; tổng cộng 1 đến 2 phút, tất cả ở cùng một nơi) và những việc không nên làm (nhạc, TV, quạt hoặc người khác; phòng có tiếng vang hoặc trong xe hơi; quảng cáo hay video có nhạc nền dưới giọng bạn; tai nghe Bluetooth hoặc loa ngoài; thì thầm, la hét, nói vội, hoặc đọc đều đều vô cảm; im lặng kéo dài và ho). Đóng sẽ đóng bảng.

Tạo giọng nói của riêng bạn đi qua ba bước. 1, Tên của bạn: như cách bạn sẽ nói. 2, Đọc to câu này: nhấn Ghi câu, đọc câu hiển thị trên màn hình ("Tôi, {tên của bạn}, đồng ý để aiKit tạo giọng nói AI từ các bản ghi của tôi, và tôi sẽ chỉ dùng nó cho công việc của riêng tôi."), rồi nhấn Dừng. Một chấm đỏ, thời gian và thanh đo mức âm thanh sẽ hiện trong lúc ghi. 3, 1 đến 2 phút bạn nói chuyện: Ghi (hoặc Tải bản ghi lên: MP3, M4A, WAV, WebM hoặc OGG), ghi bao nhiêu lần tùy ý, tối đa sáu bản ghi; một thanh sẽ đầy dần tới hai phút, cần ít nhất 30 giây và một phút trở lên sẽ cho kết quả tốt nhất. Ba đoạn để đọc nằm phía trên các nút, mỗi đoạn là một thẻ: Doanh nghiệp của bạn; Một câu chuyện; và Số liệu & tên (đọc cả ba trong khoảng hai phút, hoặc chỉ cần nói về công việc của bạn). Mỗi bản ghi được liệt kê kèm độ dài, trình phát để nghe lại (chỉ các bản ghi thực hiện trong lần truy cập này), một kiểm tra chất lượng đo trên trình duyệt của bạn (Âm thanh rõ, hoặc một gợi ý như Quá nhỏ: lại gần hơn, Quá to ở một số đoạn, Có tiếng ồn nền, hoặc Quá nhiều khoảng lặng), và một thùng rác. Bản ghi xác nhận đồng ý có cùng trình phát và kiểm tra.

Tạo giọng của tôi sẽ chạy các kiểm tra, rồi tạo giọng nói. Câu xác nhận đồng ý được chuyển thành văn bản và so sánh với câu gốc (không tính tên của bạn, vì tên có nhiều cách viết); ít nhất 70% số từ phải được nghe rõ. Một kiểm tra cơ bản về cùng một giọng so sánh cao độ và âm sắc của bản ghi xác nhận với các mẫu của bạn; chúng phải khớp, nghĩa là câu phải được đọc bởi cùng một người với các mẫu. Đây chỉ là kiểm tra cơ bản, không phải dấu vân tay giọng nói. Kết quả liệt kê từng kiểm tra với dấu tick hoặc dấu X; nếu một kiểm tra thất bại, giọng nói sẽ không được tạo và Sửa các bản ghi sẽ đưa bạn quay lại.

Bản ghi và giọng nói của bạn được giữ riêng tư trong tài khoản của bạn. Thùng rác bên cạnh một giọng nói sẽ hỏi xác nhận trước, rồi xóa giọng đó cả ở dịch vụ giọng nói và tại đây. Các lời thuyết minh đã đọc bằng giọng này vẫn thuộc về bạn. Tối đa năm giọng nói cho mỗi tài khoản. Chỉ giọng nói của chính bạn: không được dùng bản ghi của người khác. Giọng nói chung của aiKit: quản trị viên aiKit có thể đề xuất một giọng ĐÃ HOÀN THIỆN của chính họ (được tạo qua cùng quy trình đồng ý này) cho mọi tài khoản bằng Đề xuất làm giọng chung; giọng đó sẽ hiện đầu tiên trong Giọng có sẵn, được gắn nhãn giọng chung aiKit, và đọc cho bất kỳ ai chưa có giọng riêng. Giọng này chỉ xuất hiện khi một động cơ giọng nói thật đang bật; Giọng chung ✓ (dừng), hoặc xóa giọng đó, sẽ ngừng đề xuất nó. Việc tạo giọng nói riêng hiện chỉ mở cho quản trị viên cho đến khi có đánh giá pháp lý cuối cùng; giọng có sẵn thì dùng được cho mọi người ngay bây giờ.

Công thức giọng nói (thanh phía trên kịch bản) lưu một giọng, một cảm xúc, một nhịp độ và nhạc nền dưới một tên, ví dụ Quảng cáo Northwind hoặc Đường dây điện thoại tiệm bánh. Nhấn một công thức để dùng: giọng được chọn, mọi phần không có cảm xúc hoặc nhịp độ riêng sẽ nhận của công thức, và nhạc nền của nó được đặt dưới trình phát. Lưu thành công thức mở một biểu mẫu ngắn: Tên, Cảm xúc và Nhịp độ (bắt đầu từ những gì hầu hết các phần của bạn đang dùng), với giọng từ Ai đọc và nhạc nền được đặt dưới trình phát; lưu dưới một tên bạn đã dùng sẽ thay thế công thức đó. Thùng rác sẽ xóa một công thức. Tối đa 50 công thức.

Công thức hoạt động trên toàn bộ aiKit: khi một công cụ khác đọc bằng giọng nói (ví dụ như phần thuyết minh của Video Kit), nó có thể dùng công thức, và danh sách Cách phát âm của bạn cũng áp dụng ở đó, nên tên được đọc giống nhau ở mọi nơi.

Mục Ai đọc hiển thị trước các giọng đã sẵn sàng của bạn, rồi đến các giọng có sẵn (lúc đầu là sáu giọng; Xem tất cả giọng có sẵn sẽ hiện phần còn lại). Giọng đã chọn có viền màu và được giữ trong địa chỉ trang. Mỗi giọng có nút Nghe thử để phát một đoạn mẫu ngắn (được tạo một lần và lưu lại, nên lần sau phát ngay). Nhấn Dừng, hoặc nút Nghe thử của giọng khác, để dừng phát.

Nghe thử: nút lớn cho biết nó sẽ làm gì: Đọc bằng <giọng>, Đọc N dòng đã thay đổi, hoặc Đọc lại tất cả. Chỉ những dòng mới hoặc đã thay đổi mới được đọc lại, nên sửa một từ chỉ tốn một dòng. Trong lúc xử lý, bảng điều khiển cho biết đang đọc bao nhiêu dòng; các kịch bản dài được đọc theo từng đợt và con số sẽ cập nhật. Nếu một dòng không đọc được, Chưa xong cho biết có bao nhiêu dòng và vì sao; nhấn nút lần nữa sẽ chỉ đọc lại những dòng đó.

Khi mọi dòng đã được đọc, trình phát hiển thị dạng sóng của toàn bộ phần thuyết minh: nhấn nút tròn để phát hoặc tạm dừng, nhấp vào dạng sóng (hoặc dùng phím mũi tên trên đó) để nhảy đến vị trí khác, và dòng đang được đọc sẽ hiện bên dưới. Các dòng được nối với nhau bằng một khoảng lặng ngắn.

Các từ bên dưới trình phát sẽ sáng lên khi được đọc. Nhấp vào một từ để chuyển đến đó. Chọn một đến ba từ rồi nhấn Sửa cách đọc (mở bảng sửa trong kịch bản), hoặc chọn bất kỳ từ nào rồi nhấn Chỉ đạo các từ này để cho giọng biết cách đọc chúng. Thời gian của từng từ được chia theo độ dài nên chỉ gần đúng, không chính xác tuyệt đối.

Chỉ đạo cách đọc (bên dưới trình phát): hãy mô tả cách bạn muốn nó nghe theo cách của bạn, bằng gõ hoặc nói, ví dụ như thêm năng lượng cho 'cuối tuần này', đọc chậm lại ở phần giá, hoặc nghe như đang mỉm cười, rồi nhấn Chỉ đạo, hoặc nhấn một trong các phím tắt (Thêm năng lượng, Nghe như đang mỉm cười, Đọc chậm số và số điện thoại, Bình tĩnh và đáng tin hơn, Mở đầu mạnh hơn, Ngừng thêm trước lời kêu gọi hành động). AI sẽ thay đổi cảm xúc, nhịp độ và, khi cần, một vài từ của chỉ những phần liên quan đến chỉ đạo (giọng không thể nhấn trọng âm một từ, nên nó dùng những thứ giọng hay theo: một khoảng ngừng ngắn trước từ, một dấu cảm thán, hoặc câu ngắn hơn), lưu kịch bản, và chỉ đọc lại những phần đó. Đã xong liệt kê từng thay đổi, còn Chưa xong cho biết giọng không làm được điều gì và vì sao. Hoàn tác sẽ trả lại những phần đó và đọc lại.

Kiểm tra với huấn luyện viên AI: AI nghe bản đọc (chuyển giọng nói thành chữ) và hiển thị thời gian cùng số từ mỗi phút, sau đó là Nhịp độ (150 đến 170 từ mỗi phút phù hợp với hầu hết quảng cáo), Rõ ràng, Mở đầu (câu đầu tiên có thu hút sự chú ý trong 3 giây không), và Tên và từ (các từ dài mà kiểm tra nghe không nhận ra, thường là tên được đọc sai). Mỗi gợi ý đều có cách sửa: Sửa cách đọc cho một từ, hoặc Sửa, sẽ đặt một chỉ đạo vào Chỉ đạo cách đọc để bạn nhấn. Kiểm tra lại sẽ nghe lại sau các thay đổi. Âm thanh mẫu không phải là giọng nói thật, nên kiểm tra từ chỉ chạy với giọng thật.

Nhạc nền dưới giọng (bên dưới trình phát sau khi mọi phần đã được đọc): chọn một bản aiKit Original, đặt Nhạc (độ to), nhấn Nghe thử với nhạc, và Tải với nhạc (WAV) để lấy bản trộn hoàn chỉnh. Nhạc bắt đầu sớm hơn giọng một chút, giảm nhỏ khi giọng nói, và mờ dần ở cuối. Phụ đề: các tệp .srt và .vtt được canh thời gian theo bản đọc, mỗi lần vài từ, dùng cho reel, YouTube và trình phát video.

Tải xuống và nhiều hơn nữa: MP3 (giọng thật), WAV (mọi bản đọc), Lưu vào Thư viện đồ họa (trong thư mục Voice Kit, danh mục Lồng tiếng), và Dùng trong Motion Maker, lưu vào thư viện của bạn và mở Motion Maker với giọng trên tab Nhạc, nhạc nền giảm xuống dưới giọng. Bên dưới, đánh giá bản đọc bằng ngón tay cái lên hoặc xuống; ngón tay cái xuống sẽ hỏi điều gì đã sai và gửi đến đội ngũ aiKit. Thẻ Giọng AI / Âm thanh mẫu ở đầu bảng cho biết bạn đang nghe loại nào.

Trước khi các dòng mới được đọc, một kiểm tra AI nhanh sẽ quét để tìm việc mạo danh. Tự giới thiệu bản thân và doanh nghiệp của bạn là được phép ("Chào, tôi là Sam, chủ của Sam's Bikes"): người hoặc doanh nghiệp không được biết rộng rãi sẽ được coi là bạn. Không được đọc: người nổi tiếng nói hoặc xác nhận ở ngôi thứ nhất, công ty, ngân hàng hoặc cơ quan nhà nước nổi tiếng tự xưng là chính họ ("đây là ngân hàng của bạn đang gọi"), hoặc bất kỳ tin nhắn nào giả danh họ để yêu cầu thanh toán hoặc thông tin cá nhân. Bảng sẽ cho biết lý do. Nhắc đến hoặc đánh giá người và công ty có thật, quảng cáo cho doanh nghiệp của bạn, và nhân vật hư cấu đều được phép. Mỗi dòng được kiểm tra một lần; khi sửa dòng, nó sẽ được kiểm tra lại.

Voice Kit sử dụng token của tài khoản bạn theo chi phí thực tế của dịch vụ giọng nói: việc đọc được tính theo số ký tự (khoảng 3 đến 9 xu cho bản đọc 30 giây, tùy dịch vụ giọng nói), cộng thêm chi phí nhỏ cho mỗi lần AI chỉnh sửa kịch bản và kiểm tra an toàn. Chỉ đọc lại các dòng đã thay đổi giúp giữ chi phí thấp. Nếu một yêu cầu vượt quá phần còn lại trong gói của bạn, nó sẽ không được bắt đầu và thông báo sẽ cho biết điều đó. Quản trị viên sẽ thấy chi phí của mỗi bản đọc bằng xu bên dưới trình phát.

Quản trị viên sẽ thấy Thử nghiệm động cơ song song bên dưới trình phát. Khi cả hai dịch vụ giọng nói đều được bật, Đọc trên cả hai sẽ đọc kịch bản đang mở bằng giọng đã chọn trên mỗi dịch vụ, hiển thị một trình phát và chi phí cho từng bên, và Dùng động cơ này sẽ khiến mọi phần thuyết minh từ đó chỉ dùng bản đọc đó (giọng riêng của bạn được tạo trên cả hai dịch vụ khi bạn tạo nó). Nếu chỉ bật một hoặc không bật dịch vụ nào, bảng sẽ cho biết dịch vụ nào đang bật.

Các công cụ khác của aiKit yêu cầu Voice Kit lời thuyết minh theo cùng cách: nội dung được gửi vào, và phần lồng tiếng trả về cùng thời gian bắt đầu và kết thúc của từng dòng, để phụ đề có thể theo giọng nói. Nó được đọc bằng giọng mới nhất của bạn (hoặc giọng có sẵn đầu tiên), được tính vào token của bạn, và được đánh dấu là âm thanh mẫu khi các giọng thật bị tắt.