Paano mag-record ng sample para maging tunog-ikaw ang clone
Isang nagsasalita, tahimik na kwarto na walang echo, at 30 hanggang 60 segundo ng natural na pagsasalita sa wikang gagamitin mo. Nakakasira sa clone ang musika, phone calls, at ingay.
Na-update noong Nobyembre 2, 20262 min basahin
Kinokopya ng clone ang lahat ng naririnig nito sa sample: ang timbre, ang paraan ng pagsasalita, pati na rin ang echo, ugong ng ref, o musika sa background. Mas magandang recording, mas accurate na boses, at hindi na ito maaayos ng provider pagkatapos.
Saan magre-record
Mag-record sa maliit at tahimik na kwarto na may malalambot na gamit sa paligid, tulad ng kwarto na may mga kurtina at sofa. Ang mga blankong pader, banyo, o bakanteng kwarto ay nagdudulot ng echo, at makokopya ito ng clone.
I-off ang TV, musika, bentilador, at aircon, at isara ang bintana.
Hawakan ang phone nang 15–30 cm ang layo mula sa iyong bibig at panatilihin ang distansyang iyon hanggang matapos.
Huwag takpan ang mikropono gamit ang iyong kamay o case, at huwag mag-record nang may suot na scarf o mask.
Paano magsalita
Magsalita sa paraang gusto mong maging tunog ng boses sa resulta. Kung kailangan mo ng kalmadong voice-over, magbasa nang kalmado; kung kailangan mo ng masigla, magbasa nang may energy.
Gamitin ang normal mong bilis at lakas ng boses. Huwag bumulong, sumigaw, o patagalin ang pagbigkas ng mga salita.
Basahin ang text sa screen hanggang dulo. Naglalaman ito ng iba't ibang tunog at intonasyon na kailangan ng clone.
Kung nagkamali ka, i-tap ang Mag-record ulit at magsimula muli. Ang mahabang pause o ubo sa gitna ay maisasama sa clone.
Mag-record sa wikang gagamitin mo
Pinakanatural pakinggan ang clone sa wika ng sample nito. Ang boses na na-record sa Russian ay pwedeng magsalita ng English, pero mananatiling Russian ang accent at intonasyon nito. Sensitibo rito ang MiniMax, at ipinapaalala ito ng app sa Bagong boses screen. Ang boses sa Qwen 3 ay nakakapagsalita ng 10 wika: English, Russian, Chinese, German, French, Spanish, Italian, Japanese, Korean, at Portuguese.
Aling file ang pipiliin
Puwede ang file kung isang tao lang ang nagsasalita rito, nang walang musika o effects. Ang limitasyon ay 10 segundo hanggang 5 minuto at hanggang 20 MB, at inirerekomenda ng app ang 60 segundo.
| Epektibo | Hindi maganda ang nagiging clone |
|---|---|
| Voice message mo na na-record sa tahimik na lugar | Tawag sa telepono o messenger: compressed ang tunog at naririnig ang boses ng kausap |
| Parte ng isang podcast o lecture na may iisang speaker | Video na may background music o maingay na kalye |
| Recording gamit ang isang dictaphone app | Pag-uusap ng dalawa o higit pang tao |
| 30–60 segundo ng tuloy-tuloy na pagsasalita | 10-segundong recording na may mga paghinto |
Kung hindi pa rin katunog mo ang clone
Subukan ang ibang provider gamit ang parehong recording. Iba ang pagkakagawa ng MiniMax at Qwen 3 sa parehong boses, at nagkakahalaga lang ang Qwen 3 voice ng halos 1 token, kaya mura lang itong ikumpara. Hindi na pwedeng i-retrain ang boses: para mapaganda ito, gumawa ng bago mula sa mas maayos na recording at i-delete ang luma sa Aking Mga Boses. Iba pang mga dahilan at error: nag-fail ang voice cloning o hindi ito katunog mo.
I-contact ang support
Ilarawan ang problema at sasagot kami sa email. Isama ang file name o job ID kung mayroon ka.