Tổng Hợp Tiếng Nói Cơ Khí: 6 Công Thức Âm Thanh

Làm cho tổng hợp tiếng nói cơ khí ít liên quan đến một nút phép thuật duy nhất và nhiều hơn về việc xếp chồng một số hiệu ứng lựa chọn tốt lên giọng tổng hợp cho đến khi nó không nghe như con người. Nếu bạn đã từng cố gắng biến một người thuyết minh máy tính đơn giản thành một giọng nói máy thích hợp và kết thúc bằng cái gì đó bùn, gâu gâu hoặc chỉ là kỳ quặc, vấn đề hầu như luôn luôn là công thức: hiệu ứng nào, theo thứ tự nào, với số lượng bao nhiêu. Hướng dẫn này bỏ qua lý thuyết và cung cấp cho bạn sáu công thức giọng nói cơ khí hoàn chỉnh, được đặt tên mà bạn có thể sao chép ngày hôm nay, mỗi công thức có các cài đặt gần như chính xác cho cao độ, điều biến vành, bitcrush và EQ.

TL;DR

Giọng tts cơ khí là một người thuyết minh tổng hợp cộng với bốn hiệu ứng: định lượng cao độ, điều biến vành, bitcrush và EQ được định hình.
Sáu công thức được đặt tên dưới đây: Máy Tính Cổ Điển Những Năm 80, Trợ Lý Hiện Đại Đã Lạc, Glitch Bot, AI Trailer Sci-fi, Robot Meme Đặc Biệt và Phi Công Radio Mecha.
Định lượng cao độ kiểm soát độ cứng đơn điệu; ring mod thêm buzz kim loại; bitcrush thêm grit; EQ quyết định ấm áp so với mỏng.
Tính chất kim loại sống trong mids trên, không phải bass, vì vậy cắt lows nếu nó nghe có vẻ bùn.
Xuất khẩu ngoại tuyến cho video, hoặc định tuyến qua micrô ảo để sử dụng giọng nói cơ khí trực tiếp trên Discord và OBS.
Để có giải thích đầy đủ về khi nào sử dụng TTS-first so với voice-changer-first, hãy xem phần đào sâu được liên kết.

Giọng tts cơ khí là gì?

Giọng tts cơ khí là một người thuyết minh tổng hợp tiếng nói đã được xử lý để nghe như máy chứ không phải tự nhiên. Nó bắt đầu với lời nói tổng hợp được tạo từ các từ được gõ, sau đó thêm các hiệu ứng loại bỏ ấm áp và biểu hiện con người, thay thế chúng bằng các tạo tác kim loại, đơn điệu hoặc glitchy. Kết quả là một giọng nói đọc như máy, không phải người.

Sự khác biệt quan trọng vì hai điều được xếp chồng ở đây. Thứ nhất, văn bản trở thành âm thanh qua tổng hợp tiếng nói. Thứ hai, âm thanh đó nhận được xử lý cơ khí ở trên. Bạn có thể làm cho gần như bất kỳ giọng nói nào cơ khí, nhưng bắt đầu từ một giọng tổng hợp phẳng, không biểu hiện làm cho các hiệu ứng hạ cánh sạch hơn vì có ít hơn âm vị tự nhiên chiến đấu với tính chất máy.

Nếu bạn muốn giải thích đầy đủ về hai cách mà mọi người tiếp cận điều này, sự phân tích ý định kép trong tổng hợp tiếng nói cơ khí bao gồm quy trình làm việc TTS-first so với voice-changer-first một cách sâu sắc. Bài đăng này giả định bạn đã biết bạn muốn kết quả cơ khí và chỉ cần các công thức hoạt động.

Điều gì làm cho tổng hợp tiếng nói cơ khí?

Bốn thành phần làm hầu hết công việc. Hiểu được cái gì mỗi cái thay đổi cho phép bạn xây dựng bất kỳ kiểu nào, không chỉ sáu dưới đây. Hãy nghĩ về những điều này như các nút mà trên đó mỗi giọng nói cơ khí từ văn bản được xây dựng.

Định lượng cao độ

Định lượng cao độ bắt cao độ của giọng nói vào lưới cố định các nốt hoặc bước thay vì để nó trượt tự nhiên. Lời nói con người có chuyển động cao độ vi mô không đổi; robot thì không. Định lượng cứng vào một nốt duy nhất cho phẩm chất đơn điệu chết. Một lưới lỏng lẻo hơn giữ lại một số chuyển động nhưng làm cho nó nghe vSound bậc thang và cứng nhắc, giống như một máy gần đúng lời nói.

Điều biến vành

Điều biến vành nhân giọng nói của bạn với một nốt cố định, tạo ra các dải bên kim loại không xảy ra trong lời nói tự nhiên. Tần số mang thấp (khoảng 5 đến 80 Hz) thêm buzz nhẹ hoặc run rẩy. Tần số cao hơn (200 Hz trở lên) tạo ra clanging cổ điển, âm sắc robot không hài hòa từ khoa học viễn tưởng cũ. Đây là hiệu ứng robot dễ nhận biết nhất.

Bitcrush

Bitcrush cố ý giảm độ trung thực âm thanh. Nó giảm độ sâu bit (thêm tiếng ồn lượng tử và grit) và giảm tốc độ mẫu (thêm aliasing khắc). Một chút cho crunch kỹ thuật số cổ điển; nhiều cho cảm giác máy bị hỏng và độ trung thực thấp. Đây là hiệu ứng tts cơ khí làm cho một giọng nói cảm thấy giống như từ phần cứng rẻ tiền những năm 1980.

EQ

EQ quyết định liệu robot của bạn có nghe ấm áp hay mỏng, toàn dải hay bị giới hạn dải. Cắt tần số thấp loại bỏ sự cộng hưởng ngực con người. Tăng mids trên khoảng 2 đến 4 kHz thêm chất lượng loa mỏng và kim loại. Passe-band sang phạm vi hẹp bắt chước radio hoặc intercom. EQ là nơi một robot đi từ chung chung đến cụ thể.

Công thức tổng hợp tiếng nói cơ khí: 6 kiểu được đặt tên

Dưới đây là sáu công thức. Cài đặt được mô tả rõ ràng vì mỗi công cụ dán nhãn các nút của nó khác nhau. Sử dụng cái này làm mục tiêu và tinh chỉnh theo thị hiếu. Mỗi công thức liệt kê giọng để bắt đầu, bốn cài đặt cơ bản và nơi nó tỏa sáng.

1. Máy Tính Cổ Điển Những Năm 80

Người thuyết minh cứng nhắc và đơn điệu từ những chiếc máy tính gia đình sớm và phần giới thiệu arcade.

Lựa chọn giọng nói: Một giọng tổng hợp phẳng, trung lập ở cao độ trung bình và nhịp độ hơi chậm. Tránh những người thuyết minh biểu cảm hoặc xúc động; bạn muốn ấm áp bằng không ở khởi đầu.
Định lượng cao độ: Khó. Bắt buộc vào một nốt duy nhất hoặc lưới bán cung chặt chẽ để phẩm chất hoàn toàn đơn điệu và có bậc thang.
Ring mod: Thấp hoặc tắt. Nếu bạn sử dụng nó, hãy giữ mang khoảng 30 đến 60 Hz để buzz nhẹ chứ không phải clanging.
Bitcrush: Trung bình. Mục tiêu cảm giác 8-bit và kéo tốc độ mẫu xuống khoảng 11 kHz để nó nghe giống như từ loa nội bộ nhỏ.
EQ: Cắt mọi thứ dưới 200 Hz. Tăng 2 đến 4 kHz cho tính chất mỏng và kim loại đó.
Nơi nó tỏa sáng: Giới thiệu trò chơi retro, chuỗi khởi động giả, biên tập vaporwave và bất kỳ gag giọng nói máy tính hoài cổ nào.

2. Trợ Lý Hiện Đại Đã Lạc

Giọng loa thông minh sạch sẽ được phá vỡ một cách vi tế, không an tâm.

Lựa chọn giọng nói: Một giọng tổng hợp sạch sẽ, tự nhiên, kiểu mà bạn mong đợi từ một asistant hiện đại. Sự khiếp sợ đến từ việc phá vỡ một cái gì đó đã bắt đầu đánh bóng.
Định lượng cao độ: Nhẹ. Đủ bước để cảm thấy một mái tóc bị tắt, không phải đơn điệu hoàn toàn.
Ring mod: Rất tinh tế, mang khoảng 5 đến 15 Hz, để thêm sự nện chậm hoặc run rẩy như giọng nói đang căng thẳng.
Bitcrush: Nhẹ. Giữ phần lớn độ trung thực để các lỗi nổi bật so với âm thanh sạch.
EQ: Giữ khá đầy đủ nhưng thêm một va đập kim loại nhỏ gần 3 kHz. Hủy các lỗi nói tắp hoặc lặp lại thỉnh thoảng trên các từ duy nhất.
Nơi nó tỏa sáng: Phim ngắn kinh dị, kể chuyện creepypasta và các bộ phim trong đó trợ lý thân thiện rõ ràng là sự cố.

3. Glitch Bot

Hỗn loạn, độ trung thực thấp và rơi vụn theo cách tốt nhất.

Lựa chọn giọng nói: Hầu như bất cứ điều gì cũng hoạt động; các hiệu ứng chiếm ưu thế. Một giọng tổng hợp cao độ giữa cung cấp cho các hiệu ứng không gian để nhai.
Định lượng cao độ: Không ổn định. Sử dụng lưới hung hăng hoặc ngẫu nhiên để cao độ nhảy một cách không tự nhiên.
Ring mod: Phạm vi giữa, mang quét giữa khoảng 100 và 400 Hz, cho một cạnh kim loại ca khúc.
Bitcrush: Nặng. Đẩy tốc độ mẫu xuống 6 đến 8 kHz để aliasing và grit rõ ràng.
EQ: Mids khắc. Tăng 1,5 đến 3 kHz và để nó nghe khắc.
Nơi nó tỏa sáng: Meme, tin nhắn lỗi giả, chỉnh sửa kiểu datamosh và âm thanh glitchcore.

4. AI Trailer Sci-fi

Sâu, chậm và sinematic, máy toàn trí kể một cái gì đó hoành tráng.

Lựa chọn giọng nói: Một giọng tổng hợp sâu, chậm, có thẩm quyền. Hạ thấp hình thức hoặc cộng hưởng một chút để có trọng lượng thêm.
Định lượng cao độ: Tắt hoặc rất nhẹ. Bạn muốn sự quyền lực, không phải cứng nhắc, vì vậy hãy để cao độ thở.
Ring mod: Mang thấp tinh tế, dưới 40 Hz, cho một âm tích lặng tổng hợp tinh tế ngụ ý nó không phải con người.
Bitcrush: Tối thiểu. Sự rõ ràng quan trọng ở đây; crush nặng giết chết âm nhạc.
EQ: Tăng phần cuối thấp ở 80 đến 150 Hz cho độ sâu, thêm sự hiện diện khoảng 4 kHz và đặt nó trong reverb lớn hoặc không gian.
Nơi nó tỏa sáng: Cách tiếp cận giọng ngâm giới thiệu, phần giới thiệu ngoạc, kể chuyện điện ảnh và những khoảnh khắc lộ diện boss.

5. Robot Meme Đặc Biệt

Người thuyết minh phẳng và thờ ơ đằng sau hàng ngàn video dạng ngắn.

Lựa chọn giọng nói: Một giọng tổng hợp đơn điệu, không cảm xúc với nhịp độ ổn định. Sự hài hước nằm trong sự thiếu hẳn inflection.
Định lượng cao độ: Monotone cứng, khóa vào một nốt duy nhất.
Ring mod: Tắt. Kiểu này vẫn khô và đơn giản.
Bitcrush: Nhẹ đến trung bình, chỉ đủ để báo hiệu đó là máy đọc.
EQ: Mỏng và hơi mũi. Cắt các điểm thấp dưới 180 Hz và thêm va đập 3 kHz mịn.
Nơi nó tỏa sáng: Meme tổng hợp tiếng nói dạng ngắn, kể chuyện sự thẳng thắn và thời gian hài hước nơi một bộ phim đặc biệt bán đồ chơi.

6. Phi Công Radio Mecha

Giọng nói kim loại nứt kêu qua một kênh liên lạc từ bên trong một robot khổng lồ.

Lựa chọn giọng nói: Một giọng tổng hợp phạm vi giữa, tràn đầy năng lượng. Bạn muốn một số ổ đĩa để xử lý radio có cuộc sống để nén.
Định lượng cao độ: Nhẹ. Một sự tiếp xúc của bước đọc như liên lạc hỗ trợ máy.
Ring mod: Trung bình, mang khoảng 80 đến 200 Hz, cho một cạnh kim loại mà không clanging hoàn toàn lạ.
Bitcrush: Trung bình, để bán cảm giác radio bWidth thấp.
EQ: Passe-band đến khoảng 300 Hz đến 3 kHz cho một âm thanh walkie-talkie. Thêm distortion nhẹ và một cảm ứng tiếng ồn tĩnh hoặc comms trên đuôi.
Nơi nó tỏa sáng: Nhân vật anime mecha, roleplay liên lạc quân sự và tính cách robot VTuber.

Bảng so sánh 6 kiểu cơ khí

Sử dụng cái này để chọn một công thức khởi động nhanh, sau đó điều chỉnh từ đó.

Kiểu	Định lượng cao độ	Ring mod	Bitcrush	Ký tự EQ	Tốt nhất cho
Máy Tính Cổ Điển Những Năm 80	Monotone cứng	Thấp hoặc tắt	Trung bình (8-bit, ~11 kHz)	Mỏng, không có lows	Giới thiệu retro, vaporwave
Trợ Lý Hiện Đại Đã Lạc	Nhẹ	Rất tinh tế (5-15 Hz)	Nhẹ	Đầy đủ với va đập 3 kHz	Kinh dị, creepypasta
Glitch Bot	Không ổn định	Trung bình (100-400 Hz)	Nặng (6-8 kHz)	Mids khắc	Meme, gag lỗi
AI Trailer Sci-fi	Tắt hoặc nhẹ	Thấp tinh tế (<40 Hz)	Tối thiểu	Lows sâu + sự hiện diện	Trailer, giới thiệu
Robot Meme Đặc Biệt	Monotone cứng	Tắt	Nhẹ-trung bình	Mỏng, mũi	Meme dạng ngắn
Phi Công Radio Mecha	Nhẹ	Trung bình (80-200 Hz)	Trung bình	Passe-band 300 Hz-3 kHz	Mecha, roleplay liên lạc

Cách tổng hợp tiếng nói cơ khí từng bước

Nếu bạn chưa bao giờ xây dựng một từ đầu, đây là thứ tự hoạt động giữ cho mọi thứ sạch sẽ. Làm các bước theo thứ tự này ngăn các hiệu ứng chiến đấu.

Viết và tạo giọng nói cơ sở. Nhập kịch bản của bạn và tạo nó với giọng tổng hợp. Chọn một người thuyết minh phẳng, không biểu hiện cho hầu hết các kiểu cơ khí để các hiệu ứng không cạnh tranh với intonation con người.
Đặt định lượng cao độ trước tiên. Quyết định monotone so với bậc thang so với tự nhiên trước khi thêm màu sắc. Đây là xương sống của cách phẩm chất cảm thấy máy.
Thêm điều biến vành tiếp theo. Bắt đầu thấp và tinh tế, sau đó chỉ tăng tần số mang cho đến khi ký tự kim loại xuất hiện. Quá mức và các từ berhenti trở thành có thể hiểu được.
Áp dụng bitcrush, sau đó EQ cuối cùng. Remuck cho kết cấu, sau đó sử dụng EQ để sửa bất cứ điều gì mà bitcrush đã làm rối, cắt ấm áp và điều chỉnh chữ ký nốt cuối cùng.

Lý do tại sao EQ đến cuối cùng rất đơn giản: bitcrush và ring mod cả hai thêm năng lượng ở những nơi không thể dự đoán được, và bạn muốn lần đi EQ cuối cùng để làm sạch tín hiệu thực sự được xử lý, không phải giọng nói thô.

Áp dụng giọng nói cơ khí của bạn: xuất khẩu ngoại tuyến so với micrô ảo trực tiếp

Khi công thức của bạn nghe đúng, có hai cách để thực sự sử dụng nó và chúng phù hợp với các công việc khác nhau.

Xuất khẩu ngoại tuyến

Đối với video, kể chuyện, meme và bất cứ điều gì được ghi trước, hiển thị giọng nói cơ khí thành tệp âm thanh và thả nó vào trình chỉnh sửa của bạn. Điều này cung cấp cho bạn các retake không giới hạn, khả năng tinh chỉnh mỗi hiệu ứng sau và chất lượng cao nhất có thể vì không có gì đang chạy đua với đồng hồ thời gian thực. Một trình chỉnh sửa miễn phí như Audacity có thể lưu trữ hầu hết các hiệu ứng này và bạn có thể nảy ngửa clip hoàn chỉnh ngay vào dòng thời gian của bạn. Ngoại tuyến là cuộc gọi đúng bất cứ khi nào thời gian và polish quan trọng hơn tính tức thì.

Sống qua micrô ảo

Đối với phát trực tiếp, trò chuyện giọng Discord hoặc roleplay nơi bạn nói theo thời gian thực, định tuyến âm thanh được xử lý qua micrô ảo. Công cụ máy tính để bàn như VoxBooster để lộ micrô ảo mà các ứng dụng khác nhìn thấy là input bình thường, vì vậy bạn chọn nó trong Discord hoặc OBS và hiệu ứng cơ khí được áp dụng một cách nhanh chóng. Điều đó có nghĩa là bạn có thể nói (hoặc kích hoạt TTS) và người nghe nghe thấy giọng nói máy ngay lập tức, không có bước render. VoxBooster làm điều này trên Windows 10 và 11 mà không có driver kernel và tất cả xử lý vẫn trên PC của bạn.

Nếu bạn muốn cơ học sâu hơn của hiệu ứng chuỗi cho một tính cách robot trực tiếp, robot voice maker hướng dẫn đi qua chuỗi hiệu ứng hoàn chỉnh chi tiết. Để lấy một cây trỏ tập trung cụ thể vào phía tổng hợp tiếng nói, hướng dẫn robot voice tts là phần đi kèm với cái này.

Để sử dụng trực tiếp, cạnh OBS của định tuyến cũng đáng đọc nhanh; cơ sở kiến thức OBS bao gồm cách chọn và trộn các thiết bị đầu vào âm thanh để micrô ảo của bạn hạ cánh trên kênh phù hợp.

Sai lầm chung khi bạn tổng hợp tiếng nói cơ khí

Một vài những người phạm tội lặp lại tách một robot sạch sẽ từ một con bùn.

Quá nhiều thấp hơn. Vấn đề robot bùn phổ biến nhất. Tính chất kim loại sống trong mids trên. Nếu nó nghe như một người lẩm thẩm dưới nước, cắt dưới 200 Hz tích cực.
Ring mod quá ồn ào. Đẩy người mang quá cao hoặc trộn quá ướt và từ trở thành clanging không thể hiểu được. Rút lại cho đến khi bạn vẫn có thể đọc câu, sau đó dừng lại.
Xếp chồng crush lên crush. Bitcrush nặng cộng với tốc độ mẫu thấp cộng với distortion có thể biến mọi thứ thành tiếng xào xạc. Thêm grit ở một nơi, không phải ba.
Bỏ qua giọng nói cơ sở phẳng. Bắt đầu từ một người thuyết minh cảm xúc, biểu hiện làm cho các hiệu ứng monotone chiến đấu với nguồn. Chọn một giọng nói đơn giản trước tiên; nó dễ dàng hơn để tổng hợp tiếng nói cơ khí khi không có ấm áp con người để chiến đấu.

FAQ

Tổng hợp tiếng nói cơ khí là gì?

Tổng hợp tiếng nói cơ khí là âm thanh tự động được xử lý sao cho nghe như máy chứ không phải con người. Bạn bắt đầu với giọng máy tính đọc văn bản của bạn, sau đó thêm các hiệu ứng như định lượng cao độ, điều biến vành, bitcrush và EQ được định hình để mang lại cho nó tính chất kim loại được tạo ra bởi máy.

Làm thế nào để làm cho tổng hợp tiếng nói cơ khí?

Chọn một giọng tổng hợp phẳng, sau đó xếp chồng bốn hiệu ứng: định lượng cao độ lên lưới cố định để phát âm đơn điệu, thêm điều biến vành cho buzz kim loại, áp dụng bitcrush để giảm độ trung thực, và sử dụng EQ để làm mỏng hoặc giới hạn băng. Điều chỉnh mỗi cái cho đến khi nó khớp với kiểu mục tiêu của bạn.

Cài đặt nào làm cho giọng TTS nghe như cơ khí?

Bốn cái lõi là định lượng cao độ (bắt cao độ lên các bước để đơn điệu), điều biến vành (thêm dải bên kim loại), bitcrush (giảm độ sâu bit và tốc độ mẫu để grit), và EQ (cắt ấm áp, tăng mids trên mỏng). Bắt đầu tinh tế trên mỗi cái và lớp cho đến khi nhân vật hạ cánh.

Điều biến vành trong giọng robot là gì?

Điều biến vành nhân tín hiệu giọng nói của bạn với một nốt cố định, tạo ra các dải bên kim loại không xảy ra trong lời nói tự nhiên. Tần số thấp thêm buzz nhẹ hoặc run rẩy, trong khi tần số cao hơn tạo ra âm sắc robot clanging cổ điển, không hài hòa được sử dụng trong các chương trình khoa học viễn tưởng cũ và các trò chơi.

Tôi có thể sử dụng TTS cơ khí trực tiếp trên Discord hoặc OBS không?

Có. Định tuyến âm thanh được xử lý qua micrô ảo, sau đó chọn micrô ảo đó làm đầu vào trong Discord, OBS hoặc bất kỳ ứng dụng giọng nói nào. Hiệu ứng cơ khí được áp dụng theo thời gian thực, vì vậy người nghe sẽ nghe thấy giọng nói máy chứ không phải đầu vào thô của bạn.

Tổng hợp tiếng nói cơ khí có miễn phí không?

Nhiều giọng TTS trình duyệt và công cụ mở không tốn gì, và bạn có thể thêm các hiệu ứng cơ khí trong các trình chỉnh sửa miễn phí như Audacity. Các ứng dụng máy tính để bàn như VoxBooster cung cấp bản dùng thử hoàn chỉnh trong ba ngày mà không cần thẻ tín dụng để bạn có thể kiểm tra các giọng nói cơ khí trực tiếp trước khi quyết định bất cứ điều gì.

Tại sao giọng nói cơ khí của tôi nghe có vẻ bùn thay vì kim loại?

Thường có quá nhiều ấm áp tần số thấp còn sót lại trong tín hiệu. Cắt mọi thứ dưới 200 Hz, giảm bitcrush nếu nó làm mờ chi tiết, và đẩy một boost sự hiện diện nhỏ xung quanh 3 kHz. Tính chất kim loại sống trong mids trên, không phải bass, vì vậy hãy làm mỏng nó.

Kết luận

Làm cho tổng hợp tiếng nói cơ khí đi xuống một công thức có thể lặp lại: chọn một giọng nói phẳng, đặt định lượng cao độ, thêm điều biến vành, remuck độ trung thực và hình dạng EQ. Sáu kiểu trên cung cấp cho bạn các điểm bắt đầu được kiểm tra cho mọi thứ từ gag máy tính retro đến kể chuyện trailer điện ảnh và liên lạc mecha trực tiếp. Sao chép một công thức, tinh chỉnh cài đặt theo thị hiếu và bạn sẽ hạ cánh một giọng nói tts cơ khí sạch sẽ nhanh chóng hơn so với đoán.

Khi bạn sẵn sàng chạy cái này trực tiếp, VoxBooster là một tùy chọn áp dụng toàn bộ chuỗi hiệu ứng theo thời gian thực trên Windows và định tuyến nó qua micrô ảo đến Discord, OBS hoặc bất kỳ ứng dụng nào, với tất cả xử lý vẫn ở địa phương trên PC của bạn. Bạn có thể thử toàn bộ tập hợp tính năng trong bản dùng thử ba ngày và giá cả sống trên trang định giá nếu bạn quyết định giữ nó. Tải xuống VoxBooster.