Dlaczego przetłumaczony głos brzmi sztucznie, za szybko lub inaczej niż Twój

Ten artykuł dotyczy lektora w sekcji Przetłumacz audio, z osobną sekcją dla Przetłumacz wideo. Wszystkie opcje lektora zmienia się w ustawieniach: stuknij ikonę ustawień (suwaki) w prawym górnym rogu i otwórz zakładkę Lektor.

Szybka diagnoza: objaw, przyczyna, rozwiązanie

Większość problemów wynika z dwóch rzeczy: tłumaczenie zostało przeczytane przez standardowy głos albo głos czyta przetłumaczony tekst we własnym tempie, nie naśladując oryginału.

Jeśli głos brzmi sztucznie lub płasko

Robotyczny dźwięk oznacza zazwyczaj, że tłumaczenie zostało przeczytane przez standardowy głos ElevenLabs lub OpenAI. Te głosy brzmią tak samo dla każdego i nie naśladują mówcy. Głos OpenAI jest neutralny z założenia.

• Otwórz zakładkę Lektor i wybierz opcję w sekcji Z klonowaniem: MiniMax (aplikacja opisuje go jako najdokładniejszy pod względem barwy i emocji) lub Qwen 3. Następnie stuknij ponownie przycisk odtwarzania.

• Aby uzyskać najbardziej naturalny rezultat, wybierz ElevenLabs Dubbing v2. Dubbinguje samo oryginalne nagranie, zachowując jego tempo i barwę. Kosztuje 4.4 tokena za sekundę, więc jednominutowa wiadomość to koszt około 264 tokenów.

• Klon utworzony z nagrania z muzyką, hałasem ulicznym lub wieloma głosami również brzmi nienaturalnie. Użyj nagrania, na którym w pierwszej minucie jedna osoba mówi wyraźnie.

Jeśli tłumaczenie jest za szybkie lub za wolne

Lektor czyta przetłumaczony tekst we własnym tempie. Nie rozciąga ani nie skraca mowy do długości oryginału, więc tłumaczenie może skończyć się wcześniej lub później niż oryginał.

• MiniMax: w sekcji MiniMax otwórz Ustawienia i ustaw suwak Prędkość poniżej 1.0x. Zakres wynosi od 0.5x do 2.0x.

• Qwen 3: wybierz Wolno w polu Styl mowy. Styl mowy działa tylko z opcją Klonuj z pliku, a nie z zapisanym głosem.

• Standardowe głosy ElevenLabs i OpenAI nie mają regulacji prędkości w sekcji Przetłumacz audio.

• Aby zachować tempo oryginału, wybierz ElevenLabs Dubbing v2.

Po zmianie prędkości lub stylu stuknij ponownie przycisk odtwarzania. W przypadku MiniMax ponowne odczytanie tego samego wyniku nie pobiera ponownie 180 tokenów za klonowanie.

Jeśli głos nie przypomina Twojego lub rozmówcy

Opcja Klonuj z pliku kopiuje głos osoby mówiącej w nagraniu. Jeśli rezultat nie brzmi jak ta osoba, sprawdź po kolei poniższe przyczyny.

1. Użyto standardowego głosu. Dzieje się tak, jeśli wybrano opcję Użyj głosu AI w oknie Klonować głos? (po zaznaczeniu Nie pytaj ponownie aplikacja będzie tak robić zawsze), wybrano ElevenLabs lub OpenAI w ustawieniach albo wskazano język, którego nie obsługuje żadna opcja klonowania. Wybierz MiniMax lub Qwen 3 w zakładce Lektor.

2. Nagranie było za krótkie: Qwen 3 wymaga co najmniej 3 sekund, a MiniMax co najmniej 10. W takim przypadku aplikacja używa głosu standardowego i wyświetla komunikat: «Audio too short for voice cloning, standard voice was used».

3. Klonowanie się nie powiodło i aplikacja wyświetliła komunikat: «Voice cloning is unavailable right now. A standard voice was used.». Stuknij ponownie przycisk odtwarzania później lub wybierz MiniMax.

4. Zamiast nagrania wybrano zapisany głos. Jeśli aktywna jest opcja Mój głos MiniMax lub Mój głos Qwen, tłumaczenie jest czytane przez ten zapisany głos. Wybierz Klonuj z pliku.

5. Pierwsze 60 sekund jest zaszumione. MiniMax i Qwen 3 pobierają próbkę głosu wyłącznie z pierwszej minuty pliku. Muzyka, inna osoba lub głośne tło w tym fragmencie sprawiają, że klon jest mniej podobny.

Jeśli chcesz użyć własnego głosu do wiadomości kogoś innego, na przykład aby odpowiedzieć, zapisz swój głos raz w Ustawienia → Moje głosy i wybierz go jako Mój głos MiniMax lub Mój głos Qwen. Wskazówki dotyczące dobrej próbki znajdziesz w artykule Wskazówki, jak uzyskać najlepszą jakość klonowania głosu.

Jeśli akcent lub dialekt jest nieprawidłowy

Przetłumacz audio nie pozwala na ustawienie akcentu ani wariantu regionalnego. Lista języków zawiera jedną pozycję dla danego języka: portugalski bez wyboru Brazylii lub Portugalii, angielski bez USA lub Wielkiej Brytanii.

• Klon zachowuje barwę głosu mówcy i często jego własny akcent. Osoba mówiąca po angielsku zazwyczaj będzie brzmieć jak obcokrajowiec mówiący po portugalsku, nawet przy poprawnym tłumaczeniu.

• Głos standardowy to ten sam, stały głos dla każdego języka i nie można wybrać innego w sekcji Przetłumacz audio.

Co możesz zrobić:

• Skopiuj tłumaczenie, otwórz sekcję Zamiana tekstu na mowę i wybierz głos ElevenLabs, korzystając z filtrów języka i akcentu. Będzie to głos innej osoby, ale z wymową, której potrzebujesz.

• W przypadku wideo użyj opcji Przetłumacz wideo: lista języków zawiera tam warianty regionalne, takie jak portugalski (Brazylia) i angielski (Stany Zjednoczone).

Jeśli brakuje emocji

MiniMax i Qwen 3 kopiują barwę głosu, ale odczytują przetłumaczony tekst, więc intonacja poszczególnych fraz nie jest pobierana z oryginału. Model dobiera ją na podstawie tekstu, chyba że ustawisz ją samodzielnie.

• MiniMax: ustaw Emocje na Radosny, Smutny, Zły, Przestraszony, Zaskoczony, Spokojny lub Zniesmaczony. Jedna emocja dotyczy całego tłumaczenia. Opcja Automatycznie (zalecane) pozwala modelowi zdecydować samodzielnie.

• Qwen 3: Styl mowy Spokojny, Energiczny, Przyjazny, Łagodny lub Profesjonalny.

• ElevenLabs Dubbing v2 bazuje na oryginalnym nagraniu i oddaje jego ekspresję najwierniej.

Jeśli dwie osoby mówią jednym głosem

W sekcji Przetłumacz audio każda opcja oprócz Dubbing v2 czyta całe tłumaczenie jednym głosem. MiniMax i Qwen 3 tworzą pojedynczy klon z początku pliku, więc w rozmowie obie osoby otrzymują ten sam głos, utworzony na podstawie pierwszej minuty nagrania.

Aby każda osoba mówiła własnym głosem, wybierz ElevenLabs Dubbing v2. Wykrywa on mówców i klonuje każdego z nich z osobna.

Jeśli pauzy nie zostały zachowane

MiniMax, Qwen 3 i głosy standardowe czytają tłumaczenie jako jeden ciągły tekst, przez co długie pauzy z oryginału znikają. Przetłumacz audio nie ma ustawienia pozwalającego je zachować. ElevenLabs Dubbing v2 dubbinguje oryginalną ścieżkę czasową i zachowuje rytm wypowiedzi.

W sekcji Przetłumacz wideo

Sekcja Przetłumacz wideo ma własne ustawienia: stuknij ikonę ustawień w prawym górnym rogu sekcji Przetłumacz wideo przed rozpoczęciem.

• Jedna osoba została zdubbingowana dwoma głosami, na przykład męskim i żeńskim. W przypadku HeyGen i opcji Liczba mówców ustawionej na Auto, HeyGen sam decyduje, ile osób mówi, i może wykryć dwie. Ustaw Liczbę mówców na 1 i przetłumacz ponownie.

• Głos brzmi sztucznie lub bardzo różni się od oryginału: w przypadku HeyGen włącz opcję Ulepszone klonowanie (podwójna cena) lub wybierz ElevenLabs, który klonuje każdego mówcę i zachowuje jego tempo. Jeśli oryginał jest zaszumiony, włącz opcję Popraw jakość mowy.

• Zły dialekt: wybierz wariant regionalny na liście języków, na przykład portugalski (Brazylia).

Wszystkie opcje Przetłumacz wideo są opisane w artykule Jak działa Przetłumacz wideo.

Kiedy skontaktować się ze wsparciem

Jeśli żadne z powyższych rozwiązań nie pomogło, stuknij Nie podoba Ci się wynik? w sekcji opinii pod wynikiem i opisz problem. Formularz automatycznie dołącza zadanie, dzięki czemu wsparcie może odsłuchać to samo nagranie. Ogólny formularz znajdziesz pod adresem vocalingo.app/support.