شبیه‌سازی صدای شما: صدای هوش مصنوعی از یک ضبط کوتاه

خودتان را ضبط کنید، یک کلیپ انتخاب کنید، یا بخشی از یک ضبط طولانی‌تر را برگزینید. هر متنی را تایپ کنید و آن را با صدای خودتان خوانده‌شده دانلود کنید. ضبط شما هرگز این دستگاه را ترک نمی‌کند.

  1. 1زبان را انتخاب کنید
  2. 2صدای خود را اضافه کنید
  3. 3متن را تایپ کنید و فایل صوتی را دریافت کنید

ابتدا آن را انتخاب کنید: شما به این زبان ضبط می‌کنید و صدای شما فقط متن این زبان را می‌خواند. تغییر دادن آن بعداً صدای شما را پاک می‌کند.

مدل صدا (انگلیسی) · ۱۵۸٫۱ MBیک‌بار دانلود می‌شود و پس از آن در همین مرورگر می‌ماند.

صدای شما هنوز به زبان این صفحه (فارسی) در دسترس نیست، بنابراین ابزار با انگلیسی شروع می‌شود.

ابتدا صدای خود را اضافه کنید.

افزودن صدای شما · انگلیسی

۱۲ تا ۲۵ ثانیه گفتار طبیعی به این زبان کافی است. ضبط شما روی این دستگاه می‌ماند.

آن را در عمل ببینید

صدای خود را از روی یک ضبط کوتاه شبیه‌سازی کنید و بشنوید که هر متنی را برایتان می‌خواند، همین‌جا در مرورگر خودتان.

چگونه صدای خود را شبیه‌سازی کنید

1

زبان را انتخاب کنید، سپس صدای خود را اضافه کنید

زبانی را که صحبت خواهید کرد برگزینید. سپس خودتان را ضبط کنید، یک کلیپ انتخاب کنید، یا بخشی از یک ضبط طولانی‌تر را برگزینید.

2

کادر رضایت را علامت بزنید

تأیید کنید که صدا از آن شماست، یا رضایت صریح گوینده را دارید. تا زمانی که کادر را علامت نزنید، صدای شما آماده نمی‌شود.

3

متن را تایپ کنید

متنی را که صدای شما باید بگوید، به همان زبانی که ضبط کرده‌اید، تایپ یا جایگذاری کنید.

4

فایل صوتی صدای هوش مصنوعی را دانلود کنید

نتیجه را گوش کنید، سپس آن را به‌صورت MP3، M4A یا WAV دانلود کنید. نام فایل speech-ai-voice است، تا هرگز با یک ضبط واقعی اشتباه گرفته نشود.

شبیه‌سازی صدای شما: صدای هوش مصنوعی از یک ضبط کوتاه

ابزار شبیه‌سازی صدای SubtitleKit یک ضبط کوتاه از صدای شما را به یک صدای هوش مصنوعی تبدیل می‌کند که هر متنی را که تایپ می‌کنید می‌خواند، و سپس فایل صوتی را در اختیار شما می‌گذارد. خودتان را در مرورگر ضبط کنید، یک کلیپ انتخاب کنید، یا بخشی از یک ضبط طولانی‌تر را برگزینید، تأیید کنید که صدا از آن شماست یا رضایت گوینده را دارید، متن را تایپ کنید، و آن را با صدای خودتان به‌صورت MP3، M4A یا WAV دانلود کنید. همه‌چیز داخل مرورگر شما اجرا می‌شود، پس رایگان است، به حساب کاربری نیاز ندارد، و ضبط شما هرگز این دستگاه را ترک نمی‌کند.

شبیه‌سازی صدا اینجا چگونه کار می‌کند

ابزار ابتدا گفتار را در ضبط شما پیدا می‌کند و سکوت و هر چیزی را که بیش از طول موردنیاز مدل است، کوتاه می‌کند. سپس یک مدل هوش مصنوعی که روی دستگاه خود شما اجرا می‌شود، آن گفتار را به یک بردار صدا تبدیل می‌کند؛ یعنی توصیفی فشرده از چگونگی صدای شما. همان مدل متن شما را سطر به سطر با آن صدا می‌خواند و سطرها در برگه مرورگر به یک فایل صوتی واحد پیوند می‌خورند. بردار صدا در همین مرورگر نگه داشته می‌شود تا دفعه بعد آن مرحله تکرار نشود؛ خود ضبط هرگز ذخیره نمی‌شود.

رایگان، بدون ثبت‌نام، بدون واترمارک. تنها انتظار مربوط به اجرای اول است، زمانی که یک مدل صدای هوش مصنوعی ۱۵۸ MB یک‌بار دانلود می‌شود و در حافظه پنهان مرورگر شما ذخیره می‌شود. هر اجرای بعدی از همین نسخه ذخیره‌شده شروع می‌شود، و خود تولید بدون اتصال به اینترنت هم کار می‌کند.

شبیه‌سازی صدا چیست؟

شبیه‌سازی صدا از روی یک ضبط از صحبت کردن یک فرد، صدایی مصنوعی می‌سازد که شبیه همان شخص است. بیشتر شبیه‌سازهای صدای آنلاین حساب کاربری می‌خواهند، ضبط شما را به سرورهای خود می‌فرستند، و وقتی آزمایش رایگان تمام شد، بر اساس دقیقه پول می‌گیرند. این ابزار در عوض مدل را در مرورگر شما اجرا می‌کند، بنابراین ضبط صدا و متن شما روی این دستگاه می‌ماند و شمارشگر هزینه‌ای در کار نیست.

صدای شما به کدام زبان‌ها می‌تواند صحبت کند

صدای شما می‌تواند به انگلیسی، اسپانیایی، فرانسوی، آلمانی، ایتالیایی و هلندی صحبت کند. هر زبان مدل جداگانه‌ای دارد، پس هر صدا به زبانی صحبت می‌کند که با آن ضبط شده است؛ برای شنیدن صدای خودتان به اسپانیایی، خودتان را در حال صحبت کردن به اسپانیایی ضبط کنید. پرتغالی مدل دارد، اما هنوز به اندازه کافی شبیه گوینده نیست، پس تا زمانی که چنین نشود خاموش می‌ماند. سایر زبان‌ها در انتخاب‌گر فهرست شده‌اند، همراه با دلیل اینکه هنوز در دسترس نیستند.

صدای شما، با رضایت

پیش از آماده‌سازی صدای شما، تأیید می‌کنید: «این صدای خود من است، یا رضایت صریح گوینده را دارم. خروجی را به‌عنوان ضبط واقعی ارائه نمی‌کنم.» نتیجه و فایل دانلودشده به‌عنوان صدای هوش مصنوعی برچسب می‌خورند. شبیه‌سازی صدای فردی بدون رضایت او، یا ارائه فایل صوتی به‌عنوان ضبط واقعی یک شخص، نه بر اساس مجوز مدل مجاز است و نه در این صفحه.

چه انتظاری داشته باشید

اجرای اول یک مدل صدای ۱۵۸ MB دانلود می‌کند، که روی اتصال کند چند دقیقه طول می‌کشد. آماده‌سازی صدای شما برای اولین بار روی لپ‌تاپ قدیمی‌تر مدتی زمان می‌برد، و مرورگر دسکتاپ مطمئن‌ترین جایی است برای این کار. متنی که پر از عدد، تاریخ یا نماد باشد بد خوانده می‌شود، پس آنها را همان‌طور که باید شنیده شوند، به حروف بنویسید. هر صدا فقط به زبانی صحبت می‌کند که با آن ضبط شده است؛ خواندن متن انگلیسی با صدایی که به فرانسوی ضبط شده، هنوز در دسترس نیست.

چه کسانی از این ابزار استفاده می‌کنند

تولیدکنندگان محتوا

یک فیلم‌نامه را بدون جلسه ضبط، به روایتی با صدای خودتان تبدیل کنید، یا یک سطر از صداگذاری را اصلاح کنید بدون اینکه کل برداشت را دوباره ضبط کنید.

دسترس‌پذیری

افرادی که صدای خود را از دست می‌دهند، یا صحبت کردن برایشان خسته‌کننده است، می‌توانند صدایی را که شبیه خودشان است برای پیام‌ها و ضبط‌ها نگه دارند.

معلمان و یادگیرندگان

از یادداشت‌های نوشته‌شده، صدای دوره را با صدای خودتان تولید کنید، و آن را در درس‌هایی که با فاصله هفته‌ها ضبط شده‌اند یکدست نگه دارید.

نویسندگان و ویراستاران

پیش‌نویس را با صدای خودتان بشنوید تا جمله‌های ناجور را پیدا کنید، یا پیش از ضبط نهایی یک روایت سریع و موقت بسازید.

سؤالات متکرر

آیا می‌توانم صدای شخص دیگری را شبیه‌سازی کنم؟

فقط با رضایت صریح او. پیش از آماده‌سازی صدای شما، کادری را علامت می‌زنید که می‌گوید: «این صدای خود من است، یا رضایت صریح گوینده را دارم. خروجی را به‌عنوان ضبط واقعی ارائه نمی‌کنم.» تا زمانی که کادر را علامت نزنید، صدای شما آماده نمی‌شود.

از کدام زبان‌ها پشتیبانی می‌کند؟

انگلیسی، اسپانیایی، فرانسوی، آلمانی، ایتالیایی و هلندی. پرتغالی مدل دارد، اما هنوز به اندازه کافی شبیه گوینده نیست، پس تا زمانی که چنین نشود خاموش است. سایر زبان‌ها همراه با دلیل اینکه هنوز در دسترس نیستند فهرست شده‌اند.

آیا ضبط من دستگاهم را ترک می‌کند؟

نه. ضبط و متن هرگز مرورگر را ترک نمی‌کنند. فقط بردار صدا، یعنی توصیفی فشرده از چگونگی صدا، نگه داشته می‌شود و آن هم فقط در همین مرورگر، تا زمانی که به ابزار بگویید آن را فراموش کند یا داده‌های این سایت را در مرورگرتان پاک کنید. خود ضبط هرگز ذخیره نمی‌شود.

ضبط من باید چقدر طولانی باشد؟

در اتاق آرام ضبط کنید، حدود ۱۲ تا ۲۵ ثانیه گفتار طبیعی به انگلیسی، یا ۱۰ تا ۲۵ ثانیه به سایر زبان‌ها. همچنین می‌توانید کلیپی را که از قبل دارید انتخاب کنید، یا بخشی از یک ضبط طولانی‌تر، مانند پادکست یا مصاحبه را برگزینید: ابزار بخشی را که بیشترین گفتار را دارد پیشنهاد می‌کند، و می‌توانید پیش از استفاده آن را جابه‌جا کنید. هر اضافه‌ای کوتاه می‌شود، و نشانگر روی صفحه نشان می‌دهد که برای زبان انتخاب‌شده کافی دارید یا نه.

آیا فایل صوتی به‌عنوان هوش مصنوعی علامت‌گذاری می‌شود؟

بله. نتیجه با نشان صدای هوش مصنوعی نمایش داده می‌شود، و فایل دانلودشده speech-ai-voice نام دارد. نباید فایل صوتی را به‌عنوان ضبط واقعی شخصی که صدایش از آن است ارائه کنید.

از کدام مدل استفاده می‌کند و با چه مجوزی؟

مدل صدا Pocket TTS از Kyutai است و وزن‌های آن با مجوز CC BY 4.0 منتشر شده‌اند. Kyutai شبیه‌سازی صدا بدون رضایت صریح و قانونی، ارائه فایل صوتی تولیدشده به‌عنوان ضبط واقعی افراد یا رویدادهای واقعی، و هر نوع استفاده غیرقانونی، فریبنده، آزاردهنده، یا نقض‌کننده حریم خصوصی را ممنوع کرده است. مجوز کامل از کارتی که پیش از دانلود یک‌باره مدل می‌پرسد، پیوند داده شده است.

هنوز چه کارهایی را خوب انجام نمی‌دهد؟

متنی که پر از عدد است بد خوانده می‌شود، پس اعداد را به‌صورت کلمه بنویسید. همچنین هر صدا فقط به زبانی صحبت می‌کند که با آن ضبط شده است، پس هنوز نمی‌تواند متن انگلیسی را با صدایی که به فرانسوی ضبط شده بخواند.

هزینه‌اش چقدر است و به چه چیزی نیاز دارم؟

رایگان است و به حساب کاربری نیاز ندارد. اجرای اول یک‌بار مدل صدای ۱۵۸ MB را دانلود می‌کند که پس از آن در مرورگر شما ذخیره می‌شود. مرورگر دسکتاپ توصیه می‌شود، زیرا آماده‌سازی صدا به حافظه بیشتری نیاز دارد از آنچه بیشتر گوشی‌ها به یک برگه می‌دهند.

نکاتی برای بهترین نتیجه

در اتاق آرام ضبط کنید. طبیعی صحبت کنید، با سرعت معمول خودتان، و بدون موسیقی یا صداهای دیگر در پس‌زمینه. یک ضبط تمیز بهتر شبیه‌سازی می‌شود تا یک ضبط طولانی.

اعداد، تاریخ‌ها و نمادها را به حروف بنویسید. اگر باید این‌گونه خوانده شود، به‌جای «2026» بنویسید «دو هزار و بیست و شش».

به زبانی ضبط کنید که می‌خواهید بشنوید. صدای شما به زبان ضبط صحبت می‌کند، پس برای تولید اسپانیایی، به اسپانیایی ضبط کنید.