Trình Thay Đổi Giọng Nói + Runway Act-One: Quy Trình Công Việc Hoàn Chỉnh cho Phim Ngắn AI
Tính năng Act-One của Runway ML đã thay đổi những gì các nhà sáng tạo solo có thể đạt được. Quay video bạn diễn một cảnh — chỉ cần máy ảnh điện thoại và ánh sáng tự nhiên — và Act-One sẽ ánh xạ hiệu suất khuôn mặt của bạn lên bất kỳ nhân vật nào trong video được tạo ra. Phần còn thiếu đối với hầu hết các nhà sản xuất phim indie là âm thanh: Act-One xử lý khuôn mặt, nhưng giọng nói phát ra từ miệng của bạn vẫn nghe như bạn.
Bộ thay đổi giọng nói thời gian thực sẽ đóng khoảng cách đó. Quay video tham chiếu của bạn với giọng nói đã được chuyển đổi, và clip đầu ra sẽ có giọng nói nhân vật được nhúng sẵn — không cần xử lý sau, không cần phiên lồng tiếng lại.
Hướng dẫn này hướng dẫn quy trình công việc hoàn chỉnh: chọn cài đặt trước dựa trên kiểu mẫu nhân vật, thiết lập chuỗi âm thanh để Runway nắm bắt sạch sẽ, và lắp ráp mọi thứ trong trình chỉnh sửa video để phân phối.
TL;DR
- Runway Act-One đọc chuyển động khuôn mặt từ video tham chiếu và ánh xạ nó thành nhân vật được tạo ra.
- Bộ thay đổi giọng nói thời gian thực chạy qua micrôn ảo cho phép bạn quay video tham chiếu với âm thanh nhân vật đã được áp dụng.
- Dòng âm thanh từ bản ghi tham chiếu của bạn trở thành hội thoại cuối cùng — Act-One không chạm vào âm thanh.
- Khớp cài đặt trước về giọng nói của bạn với kiểu mẫu nhân vật của bạn trước khi bạn bấm ghi.
- Micrôn ảo low-latency audio capture của VoxBooster được công nhận bởi OBS, phần mềm webcam và bộ ghi màn hình mà không cần cài đặt trình điều khiển.
- Lắp ráp cuối cùng rất đơn giản: nhập đầu ra video Act-One, đồng bộ hóa dòng âm thanh đã xử lý, chỉnh màu sắc và xuất.
Act-One của Runway là gì?
Runway ML là nền tảng AI tạo ra được sử dụng bởi các nhà làm phim, studio VFX và những người sáng tạo nội dung cho các nhiệm vụ tạo video và chỉnh sửa. Act-One là một tính năng cụ thể thực hiện chuyển giao chuyển động khuôn mặt: nó phân tích video tham chiếu của một diễn viên con người và chạy hình ảnh động khuôn mặt của nhân vật trong clip đầu ra được tạo ra.
Quy trình công việc khác với văn bản-để-video thuần túy. Thay vì mô tả chuyển động trong lời nhắc, bạn cụ thể hóa nó. Lông mày nâng cao của bạn, lip sync và độ nghiêng đầu trở thành biểu cảm của nhân vật. Điều này tạo ra hình ảnh động tự nhiên và mạnh mẽ hơn so với tạo ra prompt-only, vì nguồn sự thật là dữ liệu hiệu suất con người thực.
Act-One tham gia với một bộ công cụ rộng hơn — bao gồm Runway Gen-4, công cụ màn hình xanh và sơn trong — cùng nhau hoạt động như một đường ống sản xuất hoàn chỉnh cho phim hỗ trợ AI.
Tại Sao Âm Thanh Là Lớp Bị Bỏ Qua
Khi các nhà sáng tạo nội dung lần đầu tiên thử Act-One, kết quả thường ấn tượng về mặt hình ảnh nhưng bực bội về mặt âm thanh. Khuôn mặt nhân vật di chuyển với sự biểu cảm của diễn viên, nhưng giọng nói được ghi lại thô — âm sắc con người tự nhiên, không có chuyển đổi — và dán dưới video được tạo ra. Sự ngắt kết nối là tức thì.
Cách sửa chữa thông thường là xử lý giọng nói sau sản xuất: ghi sạch, sau đó chạy âm thanh qua các hiệu ứng sau. Điều này hoạt động, nhưng nó tạo ra một vấn đề đồng bộ hóa. Lip sync trong Act-One phụ thuộc vào video tham chiếu. Nếu bạn ghi một hiệu suất tinh tế và sau đó thêm xử lý giọng nói nặng — kéo dài các nguyên âm, thêm formant-shift — chuyển động miệng trên nhân vật không còn khớp với âm thanh đã xử lý nữa.
Ghi âm với bộ thay đổi giọng nói được áp dụng trong thời gian thực giải quyết điều này. Bạn nghe thấy giọng nói đã chuyển đổi trong tai nghe của mình khi đang biểu diễn, tự nhiên tạo hình chuyển động và tốc độ của miệng để phù hợp với âm thanh đã xử lý. Act-One nắm bắt những chuyển động điều chỉnh đó. Kết quả là lip sync chặt chẽ hơn trong đầu ra được tạo ra.
Cách Runway Act-One Đọc Video Tham Chiếu
Hiểu định dạng đầu vào giúp bạn ghi lại video tham chiếu tốt hơn.
Act-One thực hiện theo dõi khuôn mặt trên clip tham chiếu. Nó mong đợi:
- Góc nhìn phía trước hoặc gần như phía trước — hồ sơ giảm độ chính xác đáng kể. Nhắm vào khuôn mặt của bạn tập trung trong khung hình, máy ảnh ở mức mắt.
- Chiếu sáng nhất quán — bóng tối cứng nhắc trên mũi hoặc mắt can thiệp vào phát hiện điểm mốc. Ánh sáng phía trước mềm (vòng nhẹ, ánh sáng cửa sổ) là lý tưởng.
- Chuyển động nền tối thiểu — mọi người bước phía sau bạn hoặc các vật thể chuyển động có thể làm bối rối bộ theo dõi.
- Khả năng nhìn thấy môi rõ ràng — râu và micrôn phía trước miệng làm giảm độ trung thực của lip sync.
- 720p hoặc cao hơn, 24fps hoặc 30fps — độ phân giải thấp hơn làm giảm độ chính xác theo dõi.
- Thùng chứa MP4 — đáng tin cậy nhất cho đường ống tải lên. MOV cũng hoạt động.
- Dưới 30 giây mỗi lần chụp — Act-One xử lý hiệu quả ở chiều dài này; các clip dài hơn có thể nhưng tăng thời gian antrian tạo.
Dòng âm thanh trong video tham chiếu không được Act-One phân tích. Tạo ra được điều khiển hoàn toàn bởi dữ liệu hình ảnh. Điều này có nghĩa là đầu ra của bộ thay đổi giọng nói trong dòng âm thanh của bạn không có hiệu ứng bằng không đối với chất lượng hình ảnh động khuôn mặt — hai lớp hoàn toàn độc lập.
Kiểu Mẫu Nhân Vật và Cặp Cài Đặt Trước Giọng Nói
Những bộ phim Act-One mạnh mẽ nhất có tính kết hợp sonik: giọng nói phù hợp với nhân vật trước khi dòng hội thoại đơn lẻ được viết. Dưới đây là hướng dẫn cắp thực tế.
| Kiểu Mẫu Nhân Vật | Xử Lý Giọng Nói Được Khuyến Nghị | Ghi Chú |
|---|---|---|
| Chiến binh có áo giáp / hiệp sĩ | Pitch down 3-5 semitone + reverb phòng nhẹ | Thêm cân nặng; reverb mô phỏng cộng hưởng mũ bảo hiểm |
| Sinh vật siêu nhiên / tiên | Điều chế cao độ chậm + formant lên | Tạo ra kết cấu bất yên, không phải của thế giới này |
| Robot / xây dựng AI | Vocoder cứng hoặc cài đặt trước bit-crush | Hoạt động tốt nhất với phân phối gọn gàng, cố ý |
| Tội ác cổ đại / kẻ phản diện | Pitch xuống nặng + chorus tinh tế | Chorus thêm ý cảm của nhiều giọng nói |
| Anh hùng trẻ / người được chọn | Pitch lên một chút + xử lý tối thiểu | Giữ lại phạm vi cảm xúc; không quá xử lý |
| Nhà ngoại giao ngoài hành tinh | Formant shift + chiều rộng stereo nhẹ | Giữ bài phát biểu có thể hiểu được trong khi nghe không phải con người |
| Người kể chuyện / lời tiên tri | Pitch down 2 semitone + đuôi reverb dài | Năng lượng tài liệu hình sự thần thoại |
Bảng là điểm khởi đầu, không phải quy tắc. Trộn các cài đặt trước và tin tưởng tai bạn trong quá trình biểu diễn. Nếu giọng nói cảm thấy đúng qua tai nghe của bạn khi bạn đang biểu diễn, nó sẽ cảm thấy đúng trong bộ phim cuối cùng.
Thiết Lập Chuỗi Âm Thanh
Mục tiêu là định tuyến âm thanh được xử lý đến phần mềm ghi âm của bạn (cho dòng âm thanh video tham chiếu) và tai nghe giám sát của bạn (để bạn nghe thấy bản thân mình trong nhân vật khi biểu diễn).
Bước 1 — Cài đặt và định cấu hình bộ thay đổi giọng nói
Cài đặt VoxBooster trên Windows 10 hoặc 11. Không cần driver kernel — micrôn ảo low-latency audio capture xuất hiện trong cài đặt âm thanh Windows như một thiết bị đầu vào tiêu chuẩn trong vài giây từ lần khởi chạy đầu tiên.
Mở VoxBooster, chọn micrôn vật lý của bạn làm nguồn đầu vào và chọn cài đặt trước từ bảng kiểu mẫu ở trên. Xác minh rằng đầu ra định tuyến đến VoxBooster Virtual Mic trong bộ chọn đầu ra.
Bước 2 — Thiết lập giám sát
Trong cài đặt VoxBooster, bật giám sát tai nghe. Bây giờ bạn sẽ nghe thấy giọng nói được chuyển đổi trong thời gian thực thông qua tai nghe của bạn. Độ trễ cho cài đặt trước DSP nhỏ hơn 20ms — không thể nhận thấy trong quá trình biểu diễn. Chế độ nhân bản giọng nói AI thêm một cửa sổ xử lý ngắn (dưới 300ms end-to-end), điều mà một số diễn viên thấy hơi bất định ban đầu; thực hành một vài dòng trước khi chụp.
Bước 3 — Định cấu hình phần mềm ghi âm
Mở bộ ghi màn hình hoặc ứng dụng chụp webcam của bạn (OBS, Windows Camera, Loom hoặc tương tự). Trong cài đặt đầu vào âm thanh, chọn VoxBooster Virtual Mic thay vì micrôn vật lý của bạn. Điều này đảm bảo ghi âm nắm bắt giọng nói được xử lý chứ không phải đầu vào thô.
Nếu bạn đang sử dụng OBS:
- Trong Nguồn, thêm nguồn Ghi Tín Hiệu Đầu Vào Âm Thanh.
- Trong thuộc tính nguồn, chọn VoxBooster Virtual Mic từ dropdown thiết bị.
- Thêm nguồn Thiết Bị Chụp Video được trỏ tới webcam của bạn.
- Bắt đầu ghi âm. Cả hai dòng ghi vào cùng một tệp đầu ra.
Bước 4 — Ghi lần chụp tham chiếu
Giữ lần chụp ngắn — 10 đến 25 giây là điểm hợp lý cho Act-One. Biểu diễn tự nhiên, duy trì tiếp xúc mắt với ống kính máy ảnh. Nói lời thoại với sự cam kết toàn bộ với nhân vật; Act-One đọc cường độ cảm xúc thông qua chuyển động cơ bắp khuôn mặt của bạn.
Sau khi ghi, xác minh tệp đầu ra: dòng âm thanh phải chứa giọng nói được xử lý, không phải feed micrôn thô. Phát lại tệp trong trình phát đa phương tiện trước khi tải lên Runway.
Tải lên Runway Act-One và Tạo Đầu Ra
Đăng nhập vào tài khoản Runway của bạn và điều hướng đến tính năng Act-One. Giao diện yêu cầu hai đầu vào:
- Video tham chiếu — clip hiệu suất đã ghi của bạn với âm thanh được xử lý.
- Nguồn nhân vật — hình ảnh được tạo từ Gen-4, kết xuất nhân vật được tải lên hoặc đầu ra tạo ra trước đó.
Tải lên video tham chiếu. Act-One trích xuất dữ liệu chuyển động khuôn mặt trong lần vượt qua phân tích của nó. Sau đó chọn hoặc tạo nhân vật của bạn. Định cấu hình cài đặt tạo (tỷ lệ khung hình, hướng dẫn kiểu, hướng dẫn lời nhắc nào cho môi trường cảnh).
Gửi tạo. Thời gian xếp hàng khác nhau tùy thuộc vào kế hoạch và tải nền tảng. Trong khi chờ đợi, bạn có thể chuẩn bị tài sản sau sản xuất: các yếu tố nền cảnh, thẻ tiêu đề hoặc bất kỳ dòng âm nhạc nào.
Khi clip đầu ra được tải xuống, nó chứa video nhân vật được điều khiển bởi hiệu suất của bạn. Dòng âm thanh trong tệp được tải xuống có thể im lặng hoặc có thể mang theo âm thanh tham chiếu của bạn tùy thuộc vào phiên bản đường ống Runway. Trong cả hai trường hợp, bước tiếp theo là trình chỉnh sửa video, nơi bạn sẽ lắp ráp tổng hợp cuối cùng.
Lắp Ráp Sau Sản Xuất
Mở trình chỉnh sửa video của bạn (DaVinci Resolve, Premiere Pro, CapCut hoặc bất kỳ NLE nào). Tạo một dự án mới phù hợp với thông số kỹ thuật đầu ra mục tiêu của bạn (thường là 1920×1080 hoặc 1080×1920 cho chiều dọc, 24fps).
Bố cục dòng:
| Dòng | Nội Dung |
|---|---|
| V1 | Video nhân vật được tạo bởi Act-One |
| V2 | Tấm nền hoặc footage môi trường |
| A1 | Âm thanh được xử lý từ bản ghi tham chiếu |
| A2 | Nhạc / âm thanh xung quanh |
| A3 | Lớp SFX tùy chọn |
Đồng bộ hóa âm thanh được xử lý từ bản ghi tham chiếu của bạn với video nhân vật trên V1. Vì bạn đã ghi âm và video cùng lúc trong lần chụp tham chiếu, đồng bộ hóa đã được đốt vào — bạn không cần phải điều chỉnh nó theo cách thủ công trừ khi đường ống tải lên cắt một vài khung.
Thêm tấm nền, chất lượng màu của clip nhân vật để phù hợp và trộn âm thanh. Xuất ở H.264 hoặc H.265 để tải lên YouTube, TikTok hoặc Instagram.
Vấn Đề Thường Gặp và Cách Khắc Phục
Đầu ra Act-One có chuyển động khuôn mặt cứng hoặc vụng về Thường được gây ra bởi các vấn đề theo dõi trong video tham chiếu. Kiểm tra tính đồng nhất của chiếu sáng và đảm bảo không có bóng mạnh vượt qua mặt. Quay lại với nguồn sáng mềm mại hơn.
Lip sync trôi trong video được tạo ra Xác nhận rằng âm thanh và video tham chiếu của bạn được ghi cùng lúc và đồng bộ trước khi tải lên. Một sự trôi trong tệp nguồn sẽ khuếch đại trong đầu ra. Nếu bạn đã ghi âm thanh riêng biệt và hợp nhất nó, hãy đảm bảo phép hợp nhất đó chính xác về khung hình.
Bộ thay đổi giọng nói thêm độ trễ nhận thấy trong quá trình biểu diễn Cài đặt trước DSP chạy dưới 20ms và về cơ bản không thể nhận thấy. Nếu bạn nhận thấy sự chậm trễ, hãy kiểm tra xem kích thước bộ đệm giao diện âm thanh của bạn có được đặt quá cao không — giảm bộ đệm low-latency audio capture trong phần mềm ghi âm xuống 128 hoặc 256 mẫu.
Giọng nói được xử lý nghe nén quá mức hoặc méo mó trong clip cuối cùng Gain staging bộ thay đổi giọng nói của bạn có thể quá nóng. Giảm mức đầu ra ở VoxBooster cho đến khi đỉnh tín hiệu quanh -6 dBFS. Điều này để lại không gian đầu cho xử lý âm thanh của trình chỉnh sửa video.
Act-One không chấp nhận video tham chiếu được tải lên Đảm bảo tệp là MP4 (H.264), độ phân giải tối thiểu 720p và thời lượng dưới giới hạn được ghi trong tài liệu cho gói Runway của bạn. Reencode với HandBrake nếu phần mềm chụp ban đầu tạo ra một thùng chứa bất thường.
Danh Sách Kiểm Tra Sản Xuất Toàn Bộ
Sử dụng danh sách kiểm tra này cho mỗi cảnh trước khi tải lên Runway.
- Cài đặt trước được chọn và thực hành trong nhân vật
- Giám sát tai nghe được xác nhận (nghe giọng nói được chuyển đổi)
- Phần mềm ghi âm được đặt thành đầu vào VoxBooster Virtual Mic
- Chiếu sáng được kiểm tra — đồng đều, phía trước, không có bóng mạnh trên mặt
- Nền rõ ràng — không có vật thể chuyển động
- Lần chụp thử được ghi và phát lại — âm thanh được xử lý, không phải thô
- Thời lượng lần chụp dưới 30 giây
- Tệp được xuất dưới dạng MP4 H.264, 720p tối thiểu
- Tệp phát đúng trong trình phát đa phương tiện trước khi tải lên Runway
Mở Rộng Quy Mô Thành Phim Ngắn Nhiều Cảnh
Các nhà sản xuất phim AI indie thường gặp bức tường tương tự: clip kiểm tra đầu tiên trông tốt, nhưng sản xuất ngắn 3 đến 5 phút mạch lạc yêu cầu tính nhất quán trên nhiều clip. Một vài hoạt động giúp.
Tính nhất quán về giọng nói nhân vật — lưu cấu hình cài đặt trước của bạn trước khi bạn bắt đầu sản xuất. Mỗi lần chụp cho cùng một nhân vật sử dụng cài đặt trước và cài đặt gain giống hệt nhau. Ngay cả những thay đổi nhỏ trong số lượng pergeseran pitch sẽ rõ ràng trên các lần cắt.
Tính nhất quán về video tham chiếu — sử dụng cùng vị trí máy ảnh, ống kính và thiết lập chiếu sáng cho mỗi lần chụp có chứa cùng một nhân vật. Act-One sẽ tạo ra kiểu mặt mạnh mẽ hơn trên các clip được tạo ra.
Xử lý batch — ghi tất cả các lần chụp trong một phiên nếu có thể. Môi trường âm thanh nhất quán (phòng tương tự, vị trí micrôn tương tự) giữ cho âm thanh được xử lý toàn bộ tương ứng.
Trộn âm thanh — vì tất cả hội thoại được xử lý với cùng một cài đặt trước, cài đặt EQ và nén chỉ cần được đặt một lần trên bus A1 và áp dụng thống nhất cho tất cả các cảnh.
Tài liệu Runway của riêng nó và trưng bày cộng đồng (runwayml.com) chứa ví dụ về các dự án Act-One kéo dài để tham khảo. Runway như một công ty cũng được đề cập chi tiết trên Wikipedia, bao gồm lịch sử phát triển của nó và bối cảnh nghiên cứu đằng sau các kỹ thuật chuyển giao chuyển động được sử dụng trong Act-One.
Tại Sao Chất Lượng Bộ Thay Đổi Giọng Nói Quan Trọng đối với Công Việc Act-One
Act-One nâng cao sản xuất phim indie lên mức độ mà chất lượng âm thanh trở thành cổ chai. Video nhân vật được tạo ra ở độ trung thực này xứng đáng có dòng âm thanh phù hợp. Plugin pitch-shift cơ bản tạo ra các thổ tiếng kim loại xung đột với đầu ra hình ảnh chất lượng cao. Bản ghi tham chiếu cũng là dòng âm thanh cuối cùng — không có phiên pháp tuyên lại — vì vậy chất lượng nắm bắt là vĩnh viễn.
VoxBooster xử lý âm thanh với sub-300ms end-to-end cho nhân bản giọng nói AI và dưới 20ms cho cài đặt trước DSP, đủ nhanh để biểu diễn tự nhiên. Micrôn ảo low-latency audio capture được công nhận bởi Windows mà không cần cài đặt driver và xuất hiện sạch sẽ trong OBS, phần mềm webcam và bộ ghi màn hình. Kết quả là dòng giọng nói giữ được bên cạnh đầu ra hình ảnh thay vì phá hủy nó.
Giá bắt đầu từ $6,99 mỗi tháng. Bản dùng thử miễn phí bao gồm thử nghiệm sản xuất đầy đủ trước khi cam kết.
FAQ
Act-One của Runway là gì và nó sử dụng video tham chiếu như thế nào? Act-One là một tính năng bên trong Runway ML chuyển giao các biểu cảm khuôn mặt của diễn viên con người và chuyển động đầu sang một nhân vật được tạo ra. Bạn cung cấp một video tham chiếu ngắn về bạn đang biểu diễn — Act-One đọc chuyển động khuôn mặt của bạn và ánh xạ nó thành nhân vật. Hiệu suất càng tốt thì đầu ra càng biểu cảm.
Tôi có thể sử dụng bộ thay đổi giọng nói khi ghi video tham chiếu Act-One không? Có. Vì Act-One chỉ phân tích hình học khuôn mặt và chuyển động chứ không phải cao độ âm thanh, bạn có thể chạy bộ thay đổi giọng nói thời gian thực thông qua micrôn ảo và ghi video và âm thanh đã xử lý cùng một lúc. Âm thanh bạn nắm bắt sẽ trở thành dòng hội thoại cuối cùng; Act-One xử lý mặt phía trước một cách độc lập.
Những cài đặt trước về giọng nói nào phù hợp nhất cho các nhân vật giả tưởng hoặc khoa học viễn tưởng trong Act-One? Đối với các anh hùng hoặc chiến binh bọc thép, cài đặt trước pitch-down với reverb nhẹ sẽ đặt nhân vật vào không gian. Đối với các nhân vật siêu nhiên hoặc thần tiên, điều chế cao độ chậm hoặc formant-shift tạo ra kết cấu không phải của thế giới này. Các cài đặt trước của Robot phù hợp với mecha hoặc các nhân vật AI. Chìa khóa là khớp năng lượng của cài đặt trước với kiểu mẫu nhân vật mà bạn thực hiện trong video tham chiếu.
Runway Act-One có yêu cầu định dạng video tham chiếu cụ thể không? Act-One hoạt động tốt nhất với một cảnh chụp phía trước được chiếu sáng tốt, khuôn mặt rõ ràng, đồng phục nền tối thiểu. Độ phân giải 720p trở lên được khuyến nghị. MP4 là thùng chứa đáng tin cậy nhất. Giữ các clip dưới 30 giây cho lần chụp tham chiếu ban đầu — bạn có thể kết nối nhiều lần chụp cho các cảnh dài hơn.
low-latency audio capture là gì và tại sao nó quan trọng đối với việc ghi lại đầu ra của bộ thay đổi giọng nói? low-latency audio capture (Windows Audio Session API) là giao diện âm thanh độ trễ thấp được tích hợp sẵn vào Windows 10/11. Bộ thay đổi giọng nói hiển thị micrôn ảo low-latency audio capture cho phép bất kỳ ứng dụng ghi âm nào — bao gồm bộ ghi màn hình và phần mềm webcam — nắm bắt giọng nói đã xử lý với độ trễ gần bằng không mà không cần cài đặt trình điều khiển.
Tôi có cần PC mạnh để ghi các video tham chiếu Act-One bằng bộ thay đổi giọng nói thời gian thực không? CPU ở mức giữa xử lý các hiệu ứng DSP thời gian thực với độ trễ dưới 20ms mà không có tải thấu kính. Suy luận nhân bản giọng nói AI tăng tải GPU; GPU dành riêng sẽ giúp nhưng không bắt buộc. Bước ghi tham chiếu thường ngắn (dưới 30 giây), vì vậy ngay cả trên phần cứng khiêm tốn, chi phí hiệu suất cũng rất ngắn.
Quy trình công việc này có thể được sử dụng cho các bộ phim dài hay chỉ các clip ngắn? Act-One được tối ưu hóa cho các clip ngắn đến trung bình, và hàng đợi tạo ra Runway ưa thích các clip dưới một phút. Đối với những bộ phim dài hơn, cách tiếp cận tiêu chuẩn là sản xuất trên mỗi cảnh: ghi lần chụp tham chiếu cho mỗi cảnh, tạo từng clip đầu ra, sau đó lắp ráp trong trình chỉnh sửa video. Bộ thay đổi giọng nói chạy một lần cho mỗi lần chụp và âm thanh được xử lý được xuất với mỗi clip.