نحوه ضبط نمونه صوتی برای شباهت بیشتر صدای شبیه‌سازی‌شده به شما
یک گوینده، اتاقی ساکت بدون اکو و ۳۰ تا ۶۰ ثانیه صحبت طبیعی به زبانی که قصد صداگذاری با آن را دارید. موسیقی، تماس‌های تلفنی و نویز کیفیت شبیه‌سازی را خراب می‌کنند.
به‌روزرسانی‌شده در ۱۱ آبان ۱۴۰۵3 دقیقه مطالعه
صدای شبیه‌سازی‌شده هر چیزی را که در نمونه بشنود کپی می‌کند: تن صدا، شیوه صحبت کردن و همچنین اکو، صدای یخچال یا موسیقی پس‌زمینه. هرچه ضبط باکیفیت‌تر باشد، صدای نهایی شبیه‌تر خواهد بود و ارائه‌دهنده بعداً نمی‌تواند کیفیت نامناسب را اصلاح کند.
کجا ضبط کنیم
در یک اتاق کوچک و ساکت با وسایل نرم، مانند اتاق خوابی با پرده و مبل، صدا را ضبط کنید. دیوارهای خالی، حمام یا اتاق بدون وسیله باعث ایجاد اکو می‌شوند و صدای شبیه‌سازی‌شده نیز آن را حفظ می‌کند.
تلویزیون، موسیقی، پنکه و کولر را خاموش کنید و پنجره را ببندید.
گوشی را در فاصله ۱۵ تا ۳۰ سانتی‌متری از دهان خود نگه دارید و این فاصله را تا انتها حفظ کنید.
روی میکروفون را با دست یا قاب نپوشانید و از پشت شال یا ماسک ضبط نکنید.
چگونه صحبت کنیم
طوری صحبت کنید که می‌خواهید نتیجه نهایی به همان شکل به نظر برسد. اگر به صدایی آرام برای گویندگی نیاز دارید، آرام بخوانید؛ اگر صدایی پرانرژی می‌خواهید، با شور و حال بخوانید.
از سرعت و بلندی صدای معمولی خود استفاده کنید. پچ‌پچ نکنید، داد نزنید و کلمات را کش ندهید.
متن روی صفحه را تا انتها بخوانید. این متن شامل صداها و لحن‌های مختلفی است که مدل برای شبیه‌سازی به آنها نیاز دارد.
اگر اشتباه کردید، روی ضبط دوباره ضربه بزنید و از اول شروع کنید. مکث طولانی یا سرفه در میانه ضبط وارد صدای نهایی می‌شود.
به زبانی ضبط کنید که قرار است صداگذاری شود
صدای شبیه‌سازی‌شده در زبانی که نمونه با آن ضبط شده طبیعی‌ترین حالت را دارد. صدایی که به زبان روسی ضبط شده می‌تواند انگلیسی صحبت کند، اما لهجه و لحن آن روسی باقی می‌ماند. MiniMax به‌طور ویژه‌ای به این مورد حساس است و برنامه در صفحه New voice این موضوع را به شما یادآوری می‌کند. صدای Qwen 3 به ۱۰ زبان صحبت می‌کند: انگلیسی، روسی، چینی، آلمانی، فرانسوی، اسپانیایی، ایتالیایی، ژاپنی، کره‌ای و پرتغالی.
چه فایلی را انتخاب کنیم
فایلی مناسب است که فقط یک نفر در آن صحبت کند و هیچ موسیقی یا افکتی نداشته باشد. محدودیت فایل بین ۱۰ ثانیه تا ۵ دقیقه و تا ۲۰ مگابایت است، اما برنامه ۶۰ ثانیه را پیشنهاد می‌کند.
| خوب کار می‌کند | نتیجه ضعیفی می‌دهد |
|---|---|
| پیام صوتی شما که در مکانی ساکت ضبط شده است | تماس تلفنی یا پیام‌رسان: صدا فشرده شده است و صدای شخص مقابل نیز شنیده می‌شود |
| بخشی از یک پادکست یا سخنرانی با یک گوینده | ویدیویی با موسیقی یا صدای خیابان شلوغ در پس‌زمینه |
| صدایی که با برنامه ضبط صوت گوشی ضبط شده است | مکالمه دو یا چند نفر |
| ۳۰ تا ۶۰ ثانیه صحبت مداوم | یک ضبط ۱۰ ثانیه‌ای همراه با مکث |
اگر صدای شبیه‌سازی‌شده همچنان شبیه شما نیست
با همان فایل ضبط‌شده، ارائه‌دهنده دیگر را امتحان کنید. MiniMax و Qwen 3 همان صدا را به شکل‌های متفاوتی بازتولید می‌کنند و هزینه صدای Qwen 3 حدود ۱ توکن است، بنابراین مقایسه آنها کم‌هزینه است. صدا قابل بازآموزی نیست: برای بهبود آن، از یک فایل ضبط‌شده باکیفیت‌تر صدایی جدید بسازید و قبلی را در صداهای من حذف کنید. سایر دلایل و خطاها: شبیه‌سازی صدا ناموفق بود یا صدا درست به نظر نمی‌رسد.
تماس با پشتیبانی
مشکل را توضیح دهید تا از طریق ایمیل پاسخ دهیم. اگر نام فایل یا شناسه عملیات (job ID) دارید، آن را اضافه کنید.