Как сделать голос нейросетью в CapCut из своего текста
Как сделать голос нейросетью в CapCut: выберите текстовый блок, создайте озвучку и проверьте ударения, числа и звук в нужном месте временной шкалы.
Марина
Контент-маркетолог LibraChat
6 мин чтения
На экране полоска бумаги и отметка «12 мм». Для зрителя это привычная надпись. Если передать ровно те же символы в синтез речи, голос может назвать сокращение по буквам или дать странную паузу. Мне нужен короткий урок, и здесь важнее сразу услышать «двенадцать миллиметров». В подписи я могу оставить «12 мм». Для речи готовлю отдельную версию. Потом проверяю, совпадает ли первое слово с тем местом, где на руках видна метка.
Чтобы понять, как сделать голос нейросетью в CapCut, начни с одной строки текста. Добавь её в проект, выбери режим «Текст в речь», послушай пробный голос и поставь звук в нужное место шкалы. Дальше короткие реплики удобно делать по одной. Ниже использую условный урок по разметке бумаги. Озвучка нужна к ещё немому кадру, поэтому никаких прежних дорожек или чужих голосов в первой пробе нет.
Что зритель увидит и что услышит
Мне нужно, чтобы написанное и произнесённое означали одно. Формы могут отличаться. На экране «12 мм» помещается в маленький угол, а в речи я пишу «двенадцать миллиметров». Если важно и то и другое, сначала записываю два варианта в отдельные строки. Тогда можно, например, исправить только произношение и сохранить исходную короткую подпись для экрана.
Что в титре · Что дать голосу · Что проверить
12 мм — Двенадцать миллиметров — Различается число и целиком слышна единица
Шаг 2 — Второй шаг — Слово появляется в момент, когда виден новый лист
Согнуть по метке — Согни бумагу по отметке — Начало фразы не теряется на стыке клипов
Готово — Готово. Сгиб на месте — Есть короткая пауза, прежде чем наступит конец
В режиме предпросмотра полезно услышать число и одно слово, которое часто спотыкается при устном чтении. Я бы выбрала тембр на фразе из будущего видео. Общий пример «Здравствуйте!» звучит ровно почти в любом голосе, но с ним трудно понять, как прозвучит инструкция. После выбора перепроверяю язык в той версии CapCut, которой пользуюсь. У веба, телефона и компьютера набор голосов может отличаться.
Как сделать голос нейросетью в CapCut на компьютере
В справке CapCut по синтезу речи для настольного редактора показан путь через текст на временной шкале. Открой проект, выбери текстовый блок, найди параметр Text-to-Speech, выбери голос и запусти создание озвучки. В русском материале CapCut о голосе поверх видео также разобран путь для мобильного приложения. Названия могут немного различаться при локализации. Я бы сверяла их по значению: речь создаётся из выделенного текста.
Открой кадр и добавь одну фразу «Отмерь от края двенадцать миллиметров».
Выдели добавленный текст на временной шкале и найди режим преобразования.
Выбери подходящий голос и создай пробную дорожку.
Найди её на шкале. Подвинь начало так, чтобы слово «отмерь» звучало перед движением линейки или одновременно с ним.
Прослушай этот участок со звуком видео. Затем сохрани исходную текстовую строку в заметке для следующей правки.
Готовый проект можно дополнить короткой видимой подписью, которую ты сверишь отдельно. Перед удалением или скрытием исходного текстового блока проверь, что аудио осталось в проекте. Поведение зависит от версии и того, как была создана дорожка. У меня в рабочем плане две строки: что остаётся в титрах и что подаётся синтезатору. Так легче заметить, что после правки текста сгенерированный голос ещё произносит прежнюю фразу.
Что делать, если голос получился, но зрителю не слышно
Сначала проверь, где находится аудиоклип. В справке CapCut отдельно указано, что успешная генерация может сопровождаться выключенной дорожкой или размещением звука за пределами нужного участка шкалы. Посмотри, не стоит ли клип в конце проекта. Включи воспроизведение с места, где начинается сам звуковой блок. Если речь слышна там, с синтезом всё получилось: дальше нужна монтажная правка.
Если голос налез на следующий шаг, укороти фразу и создай этот кусок заново.
Если число читается по символам, запиши его словами вместе с единицей измерения.
Если голос тихий только вместе с музыкой, сравни две дорожки отдельно. Подстрой фон под начало реплики.
Если подпись показалась раньше произнесённого слова, оставь титр в нужной точке и снова проверь звук в том же месте.
Перед генерацией я могу попросить LibraChat написать один вариант произношения чисел словами. Если приходится разбирать много строк, доступ к текстовому режиму можно сверить в условиях плана. Подход к подготовке текста перед синтезом подробнее разобран в инструкции по озвучке текста.
Подготовь текст одной русской инструкции для синтеза речи. На экране написано «12 мм», в голосе обозначь число и единицу словами. Действие простое: зритель отмеряет расстояние от края листа. Дай одну фразу в разговорном темпе и отдельную короткую подпись для экрана. Значение числа сохрани.
Когда приходится сделать озвучку из нескольких реплик, я оставляю удачный тембр и сравниваю начала двух соседних клипов. На смене между ними не должно внезапно становиться намного тише или громче. Если одна фраза выходит медленно, попробуй сначала сократить начало. Смена голоса из-за одного длинного числа может нарушить впечатление от всей серии. Для проверки пригодится один непрерывный просмотр от начала шага до короткой паузы после него.
Как сверить две озвучки для одной строки
Я делаю короткую версию «Отмерь двенадцать миллиметров» и более подробную «Отмерь двенадцать миллиметров от левого края». Длинная нужна, если на кадре сразу видно несколько похожих краёв. При ясном крупном плане хватит короткой. Сравнивай обе в одном месте проекта, а уровень музыки оставь прежним. Тогда слышно, какая реплика помогает заметить движение и какой части зритель не успевает дождаться.
Если голос прерывается на слове, сначала посмотри на границу звукового фрагмента. Возможно, его просто подрезали после генерации. Если звуковая волна заканчивается рано и весь клип виден, попробуй заново подать короткое предложение и сделать паузу в конце. Я держу лишнюю короткую паузу до финального просмотра. С неё удобнее обрезать несколько долей секунды, чем пытаться вернуть окончание слова после склейки.
Выбери в своём ролике одно число или сокращение. Запиши его так, как оно должно звучать, и попробуй сделать один голосовой клип. Сверь единицу измерения и движение на кадре. Второй дубль добавляй там, где заметишь конкретную ошибку, которую уже можно исправить в одной строке.