Нейросеть повторяет голос: как проверить свой дубль
Что может значить «нейросеть повторяет голос», когда нужно исправить одну фразу. Различаем обычную запись, распознавание и синтез с проверкой на слух.
Евгений
Дизайнер-партнёр LibraChat
6 мин чтения
В аудиоэкскурсии ты записал «зал два», а выставку перенесли в зал восемь. Начало и конец фразы хороши, нужен короткий дубль. В поиске «нейросеть повторяет голос» попадаются два очень разных ожидания. Одному человеку нужно снова услышать ту же реплику. Другой хочет, чтобы новый текст прозвучал похожим голосом. Для первого подходит уже записанное аудио. Для второго нужны запись нового дубля или специализированный синтез с собственным голосом. Открывать сервис проще после того, как понятно, какой из этих результатов нужен.
Определи, чего не хватает в дорожке
Повтор исходного звука обычно сохраняет и полезные детали, и изъяны. Если в записи был скрип двери перед словом, он повторится вместе со словом. Можно сдвинуть фрагмент, убрать лишнюю тишину и сравнить стык по наушникам. Но если меняется номер зала, одной копии недостаточно. Фраза должна поступить в новой форме. Самый прямой способ — записать её в тех же условиях и проверить два края вставки. Нередко проще сказать всю реплику целиком, чтобы дыхание и ударение на новом номере встали естественно.
Есть и третий сценарий: ты хочешь проверить порядок слов и подготовить сценарий до записи. Тогда на вход можно дать голос, а на выходе нужен текст. Такой режим называется распознаванием речи. В LibraChat для него предусмотрен голосовой ввод. Полученную фразу проверь глазами и исправь число. Эта операция позволяет подготовить реплику для диктора. Аудиодубль будет отдельным результатом, который нужно записать или подготовить в звуковом инструменте.
Задача · Что поступает на вход · Что получается
Повтор реплики — Старая аудиозапись — Тот же фрагмент, возможно после обрезки
Подготовка текста реплики — Речь или написанная фраза — Текст, который можно исправить
Запись новой реплики — Человек читает изменённый текст — Новый материал в голосе человека
Синтез нового текста с собственным голосом — Свой голос как образец и новый текст — Новый звук с признаками голоса
Для последней строки в справке ElevenLabs есть отдельный режим голосового клонирования. Документация различает такую модель и буквальное копирование исходной записи. Там отдельно описаны требования к праву использовать голос. В нашем примере речь идёт о своём голосе для своего выпуска. Если проект записывал диктор, сначала выясни, какую новую запись он может подготовить и какой способ согласован. Исходная дорожка сама по себе об этом ничего не говорит.
Первый тест проходит внутри реплики
Скажи сначала всю фразу, где встречается «зал восемь». Запиши своё начало и конец, даже если позднее понадобится только два слова. Если заменять лишь число, тон в конце слова «зал» может неожиданно подниматься или обрываться. Цель дубля проверить не узнаваемость вне программы, а то, как он слышится между двумя соседними словами. В группе это заметит человек, у которого нет перед глазами текста.
До сравнения выдели четыре признака.
Как звучат согласные в слове до вставки.
Где появляется пауза перед новым номером.
Сохраняется ли громкость на стыке.
В одном ли помещении как будто звучат обе фразы.
Отдельно попробуй прослушать запись с маленькой колонки или телефона. Наушники помогают услышать шум и вздох. На маленьком динамике чаще слышно другое: первое слово съедает следующее, а число меняет ударение и становится трудно различимым. Сохраняй оба наблюдения. Можно затем поправить уровень вставки и проверить то же место снова. Через одну и ту же дорожку легче услышать, какое изменение помогло.
Назови текст и предельную длину дубля
Открой чат в LibraChat, если у реплики много вариантов и надо сократить её перед записью. Объём самостоятельной правки удобно оценить по длине выбранного предложения. Если пишешь текст для видео, посмотри разбор принципов видеогенерации и заранее раздели звуковую дорожку и картинку. Для серии сценариев условия работы с чатом есть на странице доступа.
Перепиши одно предложение аудиогида, чтобы зритель услышал «зал восемь». Сохрани два соседних предложения и их порядок. Дай две версии с короткой паузой перед номером и добавь пометку для диктора, где произнести число чуть медленнее. Никаких новых адресов или сведений о выставке.
В результате будет текст для записи. Если голосовая модель озвучивает новую фразу, разбор стыка тот же: проверь, как она соотносится с исходными предложениями. Для режима, который пересказывает смысл или меняет произношение, запиши в сценарии точное ударное слово. Тогда при сравнении не придётся припоминать, что должно стоять в середине фразы.
Посмотри, сколько времени у слушателя между указанием направления и самим номером. Если герой экскурсии уже дошёл до лестницы, длинное уточнение собьёт его с маршрута. Для фразы про новый зал попробуй целое предложение с понятной паузой прямо перед цифрой. Запись можно проверить без большого монтажа. Открой сценарий и прикинь, успеет ли человек повернуть в нужный коридор сразу после числа. Если требуется говорить заметно быстрее остальной экскурсии, удобнее сократить вводные слова, чем сжимать голос в редакторе.
Для сравнения сгенерированного дубля и живого не меняй одновременно музыку под голосом. На тихих фразах подложка может скрывать отличие комнаты, а при остановке музыки оно сразу выступит. Возьми общий кусок начала и конца для обеих версий. На первой пробе сравни только реплику, а при второй верни фоновую дорожку и послушай ещё раз. Если оба варианта подходят, отдельная проверка разборчивости номера поможет выбрать тот, который сохранит маршрут для читателя, слушающего запись на ходу.
Проведи пробу в собранной дорожке
Удали лишнюю тишину на копии рабочего проекта, затем послушай фразу вместе с соседними предложениями.
Включи исходник один раз и отметь место, где меняется номер.
Вставь полный пробный дубль. Сравни звучание до и после границы.
Попроси другого человека после одного прослушивания назвать номер зала.
Если он услышал число правильно, проверь ещё темп и звук комнаты. Сохрани принятый дубль с пометкой о происхождении.
На такой простой поправке видно, относится ли задача к записи, тексту или синтезу. После проверки стыка можно передать монтажёру одну действительно готовую реплику и оставить исходный материал для замены, если номер снова изменится.