Sao chép giọng nói AI miễn phí là một trong những tìm kiếm nghe có vẻ như là một trò lừa đảo và hóa ra hoàn toàn có thể thực hiện được, miễn là bạn sao chép một giọng nói mà bạn luôn được phép sao chép: giọng nói của chính bạn. Đây không phải là tổng hợp các công cụ hoặc bài giảng về cách công nghệ hoạt động. Đây là một hướng dẫn thực tế mà bạn có thể hoàn thành hôm nay: ghi âm một mẫu tốt, chọn một con đường miễn phí để đào tạo bản sao, lắng nghe các hiện tượng đặc trưng, và sau đó thực sự sử dụng nó như lời nói văn bản được nhập hoặc trực tiếp trong một cuộc gọi. Tìm kiếm sao chép giọng nói miễn phí và bạn sẽ tìm thấy rất nhiều lời hứa; bài đăng này là phần cho bạn thấy các nút thực tế để nhấn.
Nếu bạn muốn in nhỏ lớp miễn phí hoặc giải thích tiếng Anh thuần túy về những gì mô hình đang làm, những cái đó sống trong bài đăng anh em gái và được liên kết bên dưới. Mọi thứ ở đây là phiên bản hôm nay.
TL;DR
- Bạn có thể sao chép giọng nói của chính mình bằng cách sao chép giọng nói AI miễn phí trong bốn bước: ghi âm, đào tạo, kiểm tra, cải thiện, sau đó sử dụng.
- Ghi âm 3 đến 5 phút giọng nói sạch, đa dạng trong một phòng yên tĩnh; chất lượng đầu vào luôn đánh bại độ dài đầu vào.
- Ba con đường miễn phí tồn tại: các lớp miễn phí trực tuyến, các mô hình địa phương mã nguồn mở và các bản dùng thử desktop đầy đủ. Chọn theo phần cứng và nhu cầu bảo mật của bạn.
- Đầu ra máy móc có nghĩa là quá ít dữ liệu; đầu ra bị dìm có nghĩa là dữ liệu ồn ào. Sửa bản ghi trước khi đổ lỗi cho công cụ.
- Quyết định cách bạn sẽ sử dụng nó: văn bản được nhập kiểu TTS, hoặc chuyển đổi thời gian thực chạy trực tiếp trong Discord, OBS và trò chơi.
- Chỉ sao chép giọng nói của chính bạn, hoặc giọng nói mà bạn có sự cho phép bằng văn bản, và tiết lộ âm thanh tổng hợp.
Những gì sao chép giọng nói AI miễn phí thực sự liên quan
Trước các bước, sẽ có ích khi biết hình dạng công việc. Sao chép giọng nói đào tạo một mô hình trên các bản ghi của giọng nói mục tiêu để nó có thể nói những từ mới bằng giọng nói đó, khác với một công cụ thay đổi giọng nói thay đổi cao độ chỉ uốn giọng nói mà bạn đã có. Nếu bạn muốn giải thích đầy đủ dưới mui xe về cách một mô hình tìm hiểu timbre và nhịp điệu, giải thích sao chép giọng nói AI bao gồm nó từ đầu đến cuối, và tổng quan tổng hợp lời nói là một lời nhắc kỹ thuật vững chắc. Ở đây, chúng tôi ở lại thực tế.
Quy trình làm việc giống nhau bất kể bạn chọn con đường miễn phí nào:
- Ghi âm âm thanh đào tạo sạch sẽ của giọng nói của bạn.
- Đào tạo bản sao trên một trong các con đường miễn phí.
- Kiểm tra kết quả và cải thiện âm thanh của bạn nếu cần.
- Sử dụng bản sao như lời nói được nhập văn bản hoặc như giọng nói thời gian thực.
Các yếu tố dự báo duy nhất lớn nhất về việc bản sao của bạn nghe có vẻ như bạn hay giống như một robot bị hỏng là bước một. Vì vậy, đó là nơi chúng tôi dành thời gian hầu hết.
Bước 1: Ghi âm âm thanh đào tạo sạch sẽ cho bản sao giọng nói của bạn
Mô hình chỉ có thể tốt như âm thanh bạn cung cấp cho nó. Mỗi con đường sao chép giọng nói AI miễn phí, từ một lớp trình duyệt đến một mô hình mã nguồn mở đến một bản dùng thử desktop, thưởng cho một mẫu sạch sẽ và phạt một mẫu ồn ào. Thực hiện đúng cách và ngay cả một công cụ miễn phí khiêm tốn cũng nghe có vẻ thuyết phục; làm sai và mô hình đắt nhất trên trái đất vẫn nghe bị dìm.
Chọn một phòng yên tĩnh và tiêu diệt tiếng ồn
Ghi âm trong phòng yên tĩnh nhất mà bạn có, với đồ nội thất mềm mại hấp thụ tiếng vang. Một phòng ngủ có thảm với giường và rèm đánh bại nhà bếp lát hoặc một văn phòng trống. Tắt quạt, điều hòa không khí và bất cứ điều gì có tiếng rừ. Đóng cửa sổ. Tắt tiếng thông báo điện thoại. Mục tiêu là một bản ghi nơi điều duy nhất trên bộ phim là giọng nói của bạn.
Nếu bạn phải làm sạch một bản ghi sau này, công cụ giảm tiếng ồn Audacity miễn phí có thể rút ra một tiếng rừ nền ổn định bằng cách lấy mẫu một giây im lặng. Sử dụng nó một cách nhẹ nhàng; giảm tiếng ồn nặng sẽ thêm các hiện tượng nước riêng của nó che lạp bản sao.
Sử dụng micrô tốt và đặt mức độ chính xác
Bạn không cần micrô studio, nhưng bạn phải tránh các đầu vào tồi tệ nhất. Theo thứ tự ưa thích thô: micrô trích ứng USB, micrô boom tai nghe hoặc tai nghe có dây với micrô nội tuyến. Micrô tích hợp máy tính xách tay là tùy chọn yếu nhất vì chúng bắt toàn bộ phòng và quạt.
Đặt mức ghi âm của bạn sao cho giọng nói lời nói bình thường của bạn đạt đỉnh tốt dưới đỉnh của bộ đo. Cắt, nơi những từ to nhất chạm vào trần nhà và bị bozed, là một trong những điều tồi tệ nhất mà bạn có thể đưa ra cho mô hình, vì các đỉnh bị cắt xóa chi tiết chính xác mà bản sao cần.
Nói những câu khác nhau và tự nhiên
Đọc trong 3 đến 5 phút, nhưng không đọc trong một âm u không đổi. Mô hình học phạm vi cao độ của bạn và bài phát biểu từ sự đa dạng, vì vậy hãy cung cấp sự đa dạng:
- Trộn các tuyên bố, câu hỏi và một chút sự hứng thú.
- Bao gồm một loạt các âm thanh: phụ âm cứng, nguyên âm mềm, số và một vài từ dài hơn.
- Nói với tốc độ và âm lượng tự nhiên của bạn, cách bạn thực sự nói trong một cuộc gọi, không phải một giọng người dẫn chương trình cứng.
- Để lại những tạm dừng ngắn giữa các câu hơn là vội vàng lại với nhau.
Một thủ thuật hay là đọc vài đoạn văn xuôi thông thường to tiếng, sau đó nói không có kịch bản trong một phút về ngày của bạn. Phần không có kịch bản nắm bắt nhịp điệu thực của bạn. Lưu kết quả dưới dạng WAV không nén và giữ khoảng cách micrô, mức độ và định dạng của bạn nhất quán giữa các phiên để bản sao nghe được một phiên bản ổn định của giọng nói của bạn.
Bạn cần bao nhiêu phút âm thanh để sao chép giọng nói của bạn?
Bạn cần khoảng 3 đến 5 phút giọng nói sạch sẽ và đa dạng cho một bản sao vững chắc, mặc dù một sự tương tự thô có thể đến từ chỉ 30 đến 60 giây. Quá khoảng 10 phút, độ dài thêm giúp ít hơn nhiều so với chất lượng ghi âm. Một phòng yên tĩnh và một mức không bị cắt quan trọng hơn các phút thô.
Câu trả lời này làm bất ngờ những người giả định rằng dữ liệu nhiều hơn luôn tốt hơn. Điều này đúng đến một điểm nhất định, nhưng tiếng ồn tỷ lệ thuận với độ dài. Mười phút được ghi âm bên cạnh một chiếc tủ lạnh rung động tồi tệ hơn ba phút được ghi âm trong tủ quần áo, vì mỗi giây rung động thêm dạy cho mô hình điều sai lầm. Nhắm vào điểm ngọt: đủ lời nói đa dạng để bao gồm phạm vi cao độ của bạn, tất cả sạch sẽ.
Bước 2: Chọn một con đường miễn phí để đào tạo và sử dụng bản sao của bạn
Có ba con đường sao chép giọng nói AI miễn phí thực sự để đào tạo một bản sao, và họ giao dịch sự thoải mái, quyền riêng tư và nỗ lực rất khác nhau. Bài đăng này sẽ không chạy lại so sánh đầy đủ, bởi vì phân tích giới hạn lớp miễn phí đã làm điều đó con đường theo con đường. Đây là phiên bản ngắn để bạn có thể chọn và tiếp tục.
| Con đường | Cách bắt đầu | Nỗ lực | Quyền riêng tư | Chơi trực tiếp? |
|---|---|---|---|---|
| Lớp miễn phí trực tuyến | Tải lên mẫu trong trình duyệt | Rất thấp | Thấp (tải lên đám mây) | Không (chỉ TTS) |
| Mô hình địa phương mã nguồn mở | Cài đặt và chạy một mô hình của riêng bạn | Cao (GPU + thiết lập) | Cao (không có gì tải lên) | Hiếm khi sẵn sàng dùng ngay |
| Thử nghiệm desktop đầy đủ (trên thiết bị) | Cài đặt ứng dụng, đào tạo cục bộ | Thấp | Cao (xử lý cục bộ) | Có |
Các lớp miễn phí trực tuyến
Các công cụ sao chép giọng nói AI trực tuyến miễn phí là đường dẫn nhanh nhất đến một kết quả đầu tiên. Bạn mở một trình duyệt, tải lên mẫu của bạn và tạo ra lời nói từ văn bản được nhập mà không cần cài đặt. Mong đợi các giới hạn đầu ra ngắn, hình mờ, các điều khoản chỉ sử dụng cá nhân và mẫu của bạn được lưu trữ trên các máy chủ của nhà cung cấp. Tuyệt vời cho một bản demo nhanh, yếu cho bất cứ điều gì riêng tư, dài hoặc trực tiếp.
Mô hình địa phương mã nguồn mở
Nếu sao chép giọng nói mà không cần trả tiền cho một gói đăng ký và duy trì quyền riêng tư hoàn toàn là ưu tiên, một mô hình mã nguồn mở chạy trên máy của riêng bạn là con đường miễn phí sạch nhất. Phần mềm không có chi phí và không có gì tải lên. Cái bắt là một GPU có khả năng, một vài giờ thiết lập và thoải mái với một dòng lệnh. Bạn sở hữu toàn bộ kết quả; bạn cũng xây dựng đồ nội thất của chính mình.
Thử nghiệm desktop đầy đủ giàu tính năng
Con đường thứ ba là một ứng dụng desktop với một bản dùng thử miễn phí thực sự, đó là nơi nỗ lực thấp gặp quyền riêng tư cục bộ với một cái bắt trung thực: bản dùng thử có một đồng hồ. VoxBooster phù hợp ở đây. Nó chạy trên Windows 10 và 11, đào tạo một bản sao giọng nói của riêng bạn hoàn toàn trên thiết bị để không có gì tải lên, và bản dùng thử 3 ngày không cần thẻ tín dụng, vì vậy bạn có thể kiểm tra vòng lặp ghi âm-đào tạo-sử dụng hoàn tất trước khi quyết định bất cứ điều gì. Bạn có thể so sánh các kế hoạch sau trên trang giá nếu bạn tiếp tục. Để có cái nhìn rộng hơn về những gì sao chép giọng nói miễn phí có thể và không thể làm nói chung, tổng quan về sao chép giọng nói miễn phí là bài đọc kèm theo.
Dù bạn chọn con đường nào, bước đào tạo cũng giống nhau: chỉ công cụ đến bản ghi của bạn, bắt đầu đào tạo và chờ. Các lớp trực tuyến kết thúc trong vài giây vì việc nâng nặng xảy ra trên phần cứng của họ. Các con đường cục bộ mất nhiều thời gian hơn và dựa vào GPU của bạn. Sau đó bạn có một bản sao để kiểm tra.
Bước 3: Kiểm tra và cải thiện, và các hiện tượng có nghĩa là gì
Không bao giờ đánh giá bản sao trên câu mà bạn đã đào tạo nó. Cho ăn một câu mới mà nó không bao giờ nhìn thấy, lý tưởng là một với hỗn hợp các âm thanh, và nghe chỉnh sửa. Các hiện tượng bạn nghe là một kết quả chẩn đoán cho bạn biết chính xác phải sửa cái gì.
Đầu ra máy móc, kim loại hoặc mỏng có nghĩa là quá ít dữ liệu
Nếu bản sao nghe có vẻ máy móc, buzz hoặc kim loại trên các nguyên âm duy trì, mô hình không có đủ giọng nói của bạn để tìm hiểu phạm vi đầy đủ của bạn. Nó đoán các phần cao độ và bài phát biểu của bạn mà nó không bao giờ nghe thấy. Việc sửa chữa là nhiều lời nói đa dạng hơn, không phải là câu tương tự. Thêm câu hỏi, thêm sự hứng thú, thêm các âm thanh bạn bỏ qua. Đi từ một phút đến ba hoặc bốn phút vật liệu thực sự đa dạng.
Đầu ra bị dìm, mờ hoặc như nước có nghĩa là dữ liệu ồn ào
Nếu bản sao nghe bị dìm, mờ hoặc dưới nước, đầu vào của bạn là ồn ào. Tiếng vang phòng, tiếng rừ nền hoặc giảm tiếng ồn heavy-handed tất cả chảy vào mô hình và làm mờ kết quả. Việc sửa chữa là một bản ghi sạch sẽ hơn, không phải là một bản dài hơn. Chuyển sang một phòng yên tĩnh và mềm mại hơn, di chuyển gần với micrô và ghi âm lại. Một 90 giây sạch sẽ sẽ luôn đánh bại năm phút ồn ào mỗi lần.
Hiện tượng cắt và hóc miệng
Một crackle khó khăn trên những từ to nhất của bạn chỉ đến cắt trong nguồn; hạ thấp mức ghi âm của bạn và thử lại. Các âm thanh S và T xước hoặc hóc miệng thường có nghĩa là micrô quá gần hoặc chỉ thẳng vào miệng của bạn; góc đó hơi lệch khỏi trục. Những thay đổi nhỏ ở giai đoạn ghi âm loại bỏ các hiện tượng mà không có số lượng nào có thể cải biến lại.
Tinh chỉnh là một vòng lặp, không phải là một phát. Thay đổi một điều, đào tạo lại và nghe lại. Vì hầu hết các con đường miễn phí cho phép bạn đào tạo lại nhanh chóng, hai hoặc ba lần thường đưa bạn từ thô đến thuyết phục.
Bước 4: Sử dụng bản sao của bạn, kiểu TTS hoặc chuyển đổi thời gian thực
Sau khi bản sao nghe giống như bạn, cách bạn sử dụng nó chia thành hai chế độ, và chế độ bạn cần nên ảnh hưởng đến con đường nào bạn chọn.
Kiểu TTS: văn bản được nhập trở thành giọng nói được sao chép của bạn
Ở chế độ văn bản sang lời nói, bạn gõ một kịch bản và bản sao đọc nó bằng giọng nói của bạn. Bạn chỉnh sửa các từ như một tài liệu, lấy lại các dòng vùi sai, và kết thúc bằng một bản ghi sạch sẽ. Điều này phù hợp với nội dung được viết kịch bản: lời thoại, lời nói, bản nháp sách nói, đọc lại khả năng tiếp cận, hoặc một tin nhắn bạn muốn nghe được cửi. Hầu như mọi lớp miễn phí trực tuyến hoạt động theo cách này, đó là lý do tại sao họ không thể đi sống.
Chuyển đổi thời gian thực: giọng nói trực tiếp của bạn, lập lại bản đồ
Ở chế độ thời gian thực, bạn nói vào micrô của bạn và bản sao lập lại âm thanh trực tiếp của bạn vào giọng nói mục tiêu khi bạn nói, giữ lại thời gian và nhấn mạnh của bạn. Đây là những gì bạn cần cho một cuộc gọi Discord, một alajuara hoặc một trò chơi, và nó đòi hỏi xử lý độ trễ thấp địa phương plus một micrô ảo định tuyến âm thanh được chuyển đổi vào các ứng dụng khác.
Đây là nơi một công cụ desktop trên thiết bị kiếm được vị trí của mình. VoxBooster chạy một micrô ảo mà không có trình điều khiển kernel, vì vậy khi bản sao của bạn được đào tạo, bạn có thể chọn nó làm đầu vào trong Discord, OBS, một trò chơi hoặc một cuộc họp, và mọi người đều nghe giọng nói được sao chép trong thời gian thực mà không có gì rời khỏi PC của bạn.
Thời gian thực cũng là chế độ mà độ trễ phá vỡ ảo nếu xử lý không cục bộ, vì một chuyến tròn đám mây thêm một sự chậm trễ bạn có thể nghe thấy. Giữ chuyển đổi trên máy của riêng bạn là những gì làm cho việc sử dụng trực tiếp nghe tự nhiên thay vì bị trễ.
Sao chép giọng nói AI miễn phí và sự đồng ý: chỉ sao chép giọng nói của chính bạn
Sao chép giọng nói AI miễn phí hạ thấp rào cản kỹ thuật gần như không có gì, điều này làm cho dòng đạo đức quan trọng hơn, không phải ít hơn. Quy tắc rất đơn giản và nó không uốn vì một công cụ là miễn phí: chỉ sao chép giọng nói của chính bạn, hoặc một giọng nói mà bạn có sự đồng ý bằng văn bản rõ ràng để sử dụng.
Sao chép giọng nói của chính bạn cho nội dung, khả năng tiếp cận hoặc niềm vui hoàn toàn hợp pháp và rủi ro thấp. Sao chép giọng nói của một người thực sự mà không có sự cho phép có thể vi phạm quyền công khai, các quy tắc mạo danh và luật AI cụ thể mới hơn. Ngoài luật pháp, tiết lộ âm thanh tổng hợp khi bạn xuất bản nó, vì người nghe nói chung không thể nói một bản sao tốt từ cái thực sự mà không được nói. Lý do những quy chuẩn này tồn tại là rõ ràng trong các trường hợp deepfake âm thanh và trong cảnh báo FTC về những kẻ lừa đảo sử dụng giọng nói được sao chép trong các kế hoạch khẩn cấp gia đình. Giọng nói của chính bạn, với sự đồng ý cho người khác, với tiết lộ, giữ cho bạn ở phía bên phải của tất cả nó.
FAQ
Làm cách nào để sao chép giọng nói của tôi miễn phí? Ghi âm 3 đến 5 phút giọng nói sạch, đa dạng trong một phòng yên tĩnh, đưa nó vào một con đường sao chép giọng nói miễn phí (một lớp miễn phí trực tuyến, một mô hình địa phương mã nguồn mở hoặc một bản dùng thử desktop đầy đủ), đào tạo bản sao, sau đó kiểm tra nó trên một câu mới và cải thiện âm thanh của bạn nếu nó nghe có vẻ sai.
Tôi cần bao nhiêu âm thanh để sao chép giọng nói của tôi? Một bản sao thô có thể đến từ 30 đến 60 giây, nhưng 3 đến 5 phút giọng nói sạch, tự nhiên, đa dạng mang lại kết quả tốt hơn đáng kể. Quá 10 phút, độ dài thêm giúp ít hơn nhiều so với chất lượng ghi âm. Một phòng yên tĩnh và một micrô tốt quan trọng hơn các phút thô.
Tôi có thể sao chép giọng nói của mình miễn phí trực tuyến mà không cần tải xuống bất cứ điều gì không? Có. Các lớp miễn phí dựa trên trình duyệt cho phép bạn tải lên một mẫu và tạo ra lời nói mà không cần cài đặt, đây là đường dẫn nhanh nhất đến bản demo. Những sự đánh đổi là giới hạn đầu ra ngắn, hình mờ, các điều khoản chỉ sử dụng cá nhân, và mẫu giọng nói của bạn được lưu trữ trên các máy chủ của họ thay vì ở lại trên PC của bạn.
Tại sao bản sao giọng nói miễn phí của tôi nghe có vẻ máy móc hoặc bị dìm? Đầu ra máy móc hoặc kim loại thường có nghĩa là quá ít dữ liệu đào tạo, vì vậy mô hình không bao giờ học phạm vi cao độ đầy đủ của bạn. Đầu ra bị dìm hoặc mờ thường có nghĩa là đầu vào ồn ào: tiếng vang phòng, tiếng rừ nền hoặc cắt. Khắc phục bản ghi trước tiên, vì một mẫu ngắn sạch sẽ luôn đánh bại một mẫu dài ồn ào.
Sự khác biệt giữa sao chép giọng nói TTS và chuyển đổi thời gian thực là gì? Sao chép TTS chuyển đổi văn bản được nhập thành lời nói bằng giọng nói được sao chép của bạn, vì vậy bạn có thể chỉnh sửa các từ như một tài liệu. Chuyển đổi thời gian thực lập lại micrô trực tiếp của bạn thành giọng nói được sao chép khi bạn nói, bảo toàn thời gian và nhấn mạnh của bạn với độ trễ thấp. TTS phù hợp với nội dung kịch bản; thời gian thực phù hợp với cuộc gọi, trò chơi và luồng.
Tôi có thể sử dụng bản sao giọng nói miễn phí trong Discord hoặc trực tiếp trên luồng không? Chỉ khi công cụ thực hiện chuyển đổi thời gian thực và hiển thị micrô ảo. Hầu hết các lớp miễn phí trực tuyến chỉ là văn bản sang lời nói và không thể chạy trực tiếp. Một ứng dụng cục bộ định tuyến âm thanh được xử lý vào micrô ảo có thể cung cấp cho Discord, OBS hoặc trò chơi có độ trễ đủ thấp để nghe tự nhiên.
Có hợp pháp để sao chép giọng nói của tôi miễn phí không? Sao chép giọng nói của bạn là hợp pháp và có rủi ro thấp. Công cụ miễn phí không thay đổi gì về luật pháp. Sao chép giọng nói của một người thực sự mà không có sự đồng ý bằng văn bản rõ ràng có thể vi phạm quyền công khai, các quy tắc mạo danh và các quy tắc cụ thể về AI mới hơn. Chỉ sao chép giọng nói của chính bạn hoặc giọng nói mà bạn có sự cho phép, và tiết lộ âm thanh tổng hợp.
Kết luận
Sao chép giọng nói AI miễn phí không phải là một huyền thoại khi giọng nói bạn đang sao chép là của chính bạn, và toàn bộ công việc đi xuống bốn bước trung thực: ghi âm âm thanh sạch sẽ và đa dạng trong một phòng yên tĩnh, đào tạo trên con đường miễn phí phù hợp với nhu cầu phần cứng và quyền riêng tư của bạn, kiểm tra trên một câu mới và đọc các hiện tượng để tinh chỉnh, sau đó sử dụng bản sao như lời nói được nhập văn bản hoặc như giọng nói thời gian thực trực tiếp. Nhận được bản ghi đúng và ngay cả một công cụ miễn phí khiêm tốn cũng nghe giống như bạn; làm sai và không có mô hình nào có thể cứu nó.
Nếu giữ giọng nói của bạn trên máy của riêng bạn và sử dụng nó trực tiếp trong một cuộc gọi hoặc luồng là quan trọng nhất, con đường trên thiết bị được xây dựng chính xác cho nó. VoxBooster là một lựa chọn: bản dùng thử 3 ngày của nó đào tạo một bản sao giọng nói của riêng bạn cục bộ mà không cần thẻ và không cần tải lên, và nó định tuyến kết quả vào bất kỳ ứng dụng nào thông qua một micrô ảo. Dù bạn chọn công cụ nào, sao chép giọng nói của chính bạn hoặc giọng nói mà bạn có sự cho phép, tiết lộ âm thanh tổng hợp, và nhập biết con đường miễn phí nào phù hợp với mục tiêu của bạn. Tải xuống VoxBooster để tự thử con đường cục bộ.