Kenapa suara terjemahan terdengar kaku, terlalu cepat, atau tidak mirip kamu

Artikel ini membahas tentang sulih suara di Terjemahkan Audio, dengan bagian terpisah untuk Terjemahkan Video. Semua opsi sulih suara diubah di pengaturan: ketuk ikon pengaturan (slider) di sudut kanan atas dan buka tab Sulih Suara.

Pemeriksaan cepat: gejala, penyebab, solusi

Sebagian besar kendala berasal dari dua hal: terjemahan dibacakan oleh suara standar, atau suara membaca teks terjemahan dengan temponya sendiri tanpa mengikuti aslinya.

Jika suara terdengar kaku atau datar

Suara yang kaku seperti robot biasanya berarti terjemahan dibacakan oleh suara standar ElevenLabs atau OpenAI. Suara-suara ini sama untuk semua orang dan tidak meniru penutur aslinya. Suara OpenAI sengaja dirancang netral.

• Buka tab Sulih Suara dan pilih opsi di bawah Dengan kloning: MiniMax (aplikasi menyebutnya paling akurat dalam warna suara dan emosi) atau Qwen 3. Lalu ketuk putar lagi.

• Untuk hasil paling alami, pilih ElevenLabs Dubbing v2. Fitur ini melakukan sulih suara langsung pada rekaman asli, menjaga tempo dan warna suaranya. Biayanya 4.4 token per detik, jadi pesan satu menit menghabiskan sekitar 264 token.

• Klona yang dibuat dari rekaman dengan musik, kebisingan jalanan, atau beberapa suara juga akan terdengar tidak alami. Gunakan rekaman saat satu orang berbicara dengan jelas di menit pertama.

Jika terjemahan terlalu cepat atau terlalu lambat

Sulih suara membaca teks terjemahan dengan tempo suaranya sendiri. Ini tidak memperpanjang atau memperpendek ucapan agar sesuai dengan durasi aslinya, sehingga terjemahan bisa selesai lebih cepat atau lebih lambat dari rekaman asli.

• MiniMax: di blok MiniMax, buka Pengaturan dan geser Kecepatan di bawah 1.0x. Rentangnya adalah 0.5x hingga 2.0x.

• Qwen 3: pilih Lambat di Gaya bicara. Gaya bicara hanya berfungsi dengan Klona dari file, bukan dengan suara yang tersimpan.

• Suara standar ElevenLabs dan OpenAI tidak memiliki pengaturan kecepatan di Terjemahkan Audio.

• Untuk mengikuti tempo rekaman asli, pilih ElevenLabs Dubbing v2.

Setelah mengubah kecepatan atau gaya, ketuk putar lagi. Dengan MiniMax, memutar ulang sulih suara untuk hasil yang sama tidak akan memotong biaya 180 token untuk kloning lagi.

Jika tidak terdengar seperti kamu atau penutur aslinya

Klona dari file menyalin suara siapa pun yang berbicara dalam rekaman. Jika hasilnya tidak terdengar seperti orang tersebut, periksa beberapa penyebab ini secara berurutan.

1. Suara standar yang digunakan. Ini terjadi jika kamu menjawab Gunakan suara AI pada dialog Klona suara? (jika Jangan tanya lagi aktif, aplikasi akan terus melakukannya), memilih ElevenLabs atau OpenAI di pengaturan, atau memilih bahasa yang tidak didukung opsi kloning apa pun. Pilih MiniMax atau Qwen 3 di tab Sulih Suara.

2. Rekaman terlalu pendek: Qwen 3 membutuhkan minimal 3 detik, MiniMax minimal 10 detik. Jika kurang, aplikasi menggunakan suara standar dan menampilkan «Audio terlalu pendek untuk kloning suara, suara standar digunakan».

3. Kloning gagal dan aplikasi menampilkan «Kloning suara tidak tersedia saat ini. Suara standar digunakan.» Ketuk putar lagi nanti atau pilih MiniMax.

4. Suara yang tersimpan dipilih alih-alih rekaman. Jika Suara MiniMax saya atau Suara Qwen saya aktif, terjemahan akan dibacakan oleh suara yang tersimpan tersebut. Pilih Klona dari file.

5. 60 detik pertama bising. MiniMax dan Qwen 3 hanya mengambil sampel suara dari menit pertama file. Adanya musik, orang lain, atau latar belakang yang keras di bagian itu membuat hasil klona kurang mirip.

Jika kamu ingin suaramu digunakan pada pesan orang lain, misalnya untuk membalas, simpan suaramu sekali di Pengaturan → Suara Saya dan pilih sebagai Suara MiniMax saya atau Suara Qwen saya. Kiat untuk rekaman sampel yang baik ada di Tips untuk kualitas klona suara terbaik.

Jika aksen atau dialek salah

Terjemahkan Audio tidak dapat mengatur aksen atau varian regional. Daftar bahasa hanya memiliki satu entri per bahasa: Portugis tanpa pilihan Brasil atau Portugal, Inggris tanpa opsi AS atau Inggris Raya.

• Klona mempertahankan warna suara penutur dan sering kali aksen aslinya. Orang yang berbahasa Inggris biasanya akan tetap terdengar seperti orang asing saat berbicara Portugis, meskipun terjemahannya benar.

• Suara standar adalah suara tetap yang sama untuk setiap bahasa, dan kamu tidak dapat memilih varian lain di Terjemahkan Audio.

Hal yang bisa kamu lakukan:

• Salin teks terjemahan, buka Teks ke Suara, lalu pilih suara ElevenLabs menggunakan filter bahasa dan aksen. Suara tersebut akan menjadi suara orang lain, tetapi dengan pengucapan yang kamu butuhkan.

• Untuk video, gunakan Terjemahkan Video: daftar bahasanya memiliki varian regional seperti Portugis (Brasil) dan Inggris (Amerika Serikat).

Jika emosi hilang

MiniMax dan Qwen 3 menyalin warna suara, tetapi mereka menyulihsuarakan teks terjemahan, sehingga intonasi dari setiap kalimat tidak diambil dari rekaman aslinya. Model akan menentukan intonasi sendiri berdasarkan teks, kecuali jika kamu mengaturnya.

• MiniMax: atur Emosi ke Senang, Sedih, Marah, Takut, Terkejut, Tenang, atau Jijik. Satu emosi berlaku untuk seluruh terjemahan. Otomatis (disarankan) membiarkan model menentukannya sendiri.

• Qwen 3: Gaya bicara Tenang, Energik, Ramah, Lembut, atau Profesional.

• ElevenLabs Dubbing v2 bekerja langsung dari rekaman asli dan hasilnya paling mendekati pembawaan aslinya.

Jika dua orang berbicara dengan satu suara

Di Terjemahkan Audio, semua opsi kecuali Dubbing v2 membacakan seluruh terjemahan dengan satu suara. MiniMax dan Qwen 3 membuat satu klona dari bagian awal file, jadi dalam sebuah percakapan kedua orang akan mendapatkan suara yang sama, yang dibuat dari menit pertama rekaman.

Agar setiap penutur memiliki suaranya masing-masing, pilih ElevenLabs Dubbing v2. Fitur ini mendeteksi setiap penutur dan mengklona suara mereka masing-masing.

Jika jeda tidak dipertahankan

MiniMax, Qwen 3, dan suara standar membaca terjemahan sebagai satu teks yang bersambung, sehingga jeda panjang dari rekaman asli akan hilang. Terjemahkan Audio tidak memiliki pengaturan untuk mempertahankannya. ElevenLabs Dubbing v2 menyulihsuarakan sesuai linimasa asli dan menjaga ketepatan waktunya.

Di Terjemahkan Video

Terjemahkan Video memiliki pengaturannya sendiri: ketuk ikon pengaturan di sudut kanan atas Terjemahkan Video sebelum kamu mulai.

• Satu orang disulihsuarakan dengan dua suara, misalnya pria dan wanita. Dengan HeyGen dan Jumlah penutur diatur ke Otomatis, HeyGen menentukan sendiri jumlah orang yang berbicara dan bisa saja mendeteksi dua orang. Atur Jumlah penutur ke 1 dan terjemahkan ulang.

• Suara terdengar kaku atau jauh dari aslinya: dengan HeyGen aktifkan Kloning tingkat lanjut (harga dua kali lipat), atau pilih ElevenLabs, yang mengklona setiap penutur dan mempertahankan pengaturan waktu mereka. Jika rekaman asli bising, aktifkan Tingkatkan kualitas ucapan.

• Dialek salah: pilih varian regional di daftar bahasa, misalnya Portugis (Brasil).

Semua opsi Terjemahkan Video dijelaskan di Cara kerja Terjemahkan Video.

Kapan harus menghubungi dukungan

Jika semua cara ini belum membantu, ketuk Tidak puas dengan hasilnya? di blok Masukan di bawah hasil terjemahan dan jelaskan apa yang kamu dengar. Formulir ini otomatis melampirkan riwayat prosesnya, sehingga tim dukungan dapat mendengarkan rekaman yang sama. Formulir umum tersedia di vocalingo.app/support.