เครื่องมือออกแบบเสียงเปลี่ยนประโยคที่บรรยายเสียงให้เป็นเสียงจริง ประโยคนั้นคือโจทย์ทั้งหมด สิ่งที่เขียนและสิ่งที่ไม่ได้เขียนจึงกำหนดเสียงที่ได้กลับมา
ตัวอย่างในบทความนี้เขียนสำหรับเครื่องมือออกแบบเสียงใน Console ของ Paxa ซึ่งการออกแบบหรือปรับแต่ละครั้งใช้ 5 เครดิต คำแนะนำจากผู้ให้บริการรายอื่นลิงก์ไปยังหน้าเว็บของผู้ให้บริการนั้นเอง ตามที่เราอ่านไว้เมื่อเดือนตุลาคม 2569
คำบรรยายเสียงควรมีอะไรบ้าง#
คำบรรยายที่ได้ผลส่วนใหญ่บอกสี่เรื่อง คือใครเป็นคนพูด เสียงเป็นแบบไหน พูดอย่างไร และจะได้ยินที่ไหน ถ้าอยากให้เสียงพูดภาษาอื่นที่ไม่ใช่ภาษาที่ใช้เขียน ให้ระบุภาษาลงไปด้วย
| ส่วน | คำที่ใช้บอก |
|---|---|
| ใครเป็นคนพูด | อายุ เพศ และบทบาท เช่น เภสัชกรหญิงวัยสามสิบ เด็กวัยรุ่นที่สตรีมเกม กัปตันเรือที่เกษียณแล้ว |
| เสียงเป็นแบบไหน | ระดับเสียงและเนื้อเสียง เช่น ต่ำ สดใส แหบ มีลมหายใจ ใส หยาบ |
| พูดอย่างไร | จังหวะ พลัง และท่าที เช่น ช้าไม่รีบ เร็วและตื่นเต้น ใจเย็นพอให้ผู้โดยสารที่กังวลสบายใจ |
| จะได้ยินที่ไหน | หนังสือเสียงตอนดึก ล็อบบี้ในเกม เสียงประกาศในห้าง นิทานก่อนนอน |
| ภาษา | ไทย อังกฤษ หรือจีนกลาง เขียนระบุไปตรง ๆ |
เขียนหนึ่งหรือสองประโยคก็พอ คู่มือออกแบบเสียงของ Googleขอให้เขียนเป็นประโยคที่ชัดเจนหนึ่งถึงสองประโยค และคู่มือของ ElevenLabsเริ่มแม่แบบด้วยภาษาก่อนอย่างอื่น Paxa รับคำบรรยายได้สูงสุด 1,000 ตัวอักษร แต่คำบรรยายสั้น ๆ ที่บอกส่วนด้านบนครบได้ผลกว่าคำบรรยายยาวที่วนอยู่รอบ ๆ
คำบรรยายที่อ่อนกับที่ชัดกว่า#
คำบรรยายที่อ่อนบอกแค่ประเภทของเสียง คำบรรยายที่ชัดกว่าบอกว่าเป็นใครกำลังทำอะไรอยู่ แล้วเสียงจะออกมาตามคนคนนั้น
| อ่อน | ชัดกว่า |
|---|---|
| เสียงผู้หญิง | ผู้หญิงวัยสามสิบ เป็นพิธีกรรายการทำอาหาร อบอุ่น มีชีวิตชีวา หัวเราะง่าย |
| เสียงน่ากลัว | ตัวร้ายที่พูดช้าและเบาเกือบเป็นเสียงกระซิบ และฟังดูพอใจเมื่อคนฟังเริ่มกลัว |
| เสียงอ่านข่าว | ผู้ประกาศข่าวภาคค่ำหญิงวัยสี่สิบ เสียงชัด เป็นทางการ มั่นคง อ่านพาดหัวข่าวด้วยจังหวะสม่ำเสมอ |
| เสียงตื่นเต้น | นักพากย์ฟุตบอลวัยสามสิบ พูดเร็ว เสียงดัง ยิ่งเกมบุกก็ยิ่งตื่นเต้น |
หน้าออกแบบเสียงเปิดฟังคำบรรยายแบบนี้คู่กับเสียงที่ได้ พร้อมประโยคแรกที่เสียงนั้นพูด
บรรยายเสียงที่พูดภาษาไทยหรือจีนกลาง#
ระบุภาษาที่อยากให้เสียงพูด คำบรรยายเขียนเป็นภาษาไทย อังกฤษ หรือจีนก็ได้ และเสียงจะพูดภาษาที่คำบรรยายระบุ คำบรรยายภาษาไทยถึงพิธีกรที่พูดภาษาอังกฤษจึงได้เสียงที่พูดภาษาอังกฤษ ส่วนคำบรรยายที่ไม่ได้ระบุภาษาจะได้เสียงที่พูดภาษาเดียวกับที่ใช้เขียนคำบรรยาย
จากนั้นให้ฉากช่วยแทนการไล่บอกลักษณะทีละข้อ แม่ค้าในตลาดนัดกลางคืนที่กรุงเทพฯ ครูอนุบาลที่อ่านนิทานให้เด็ก ๆ ฟัง และคนอ่านสรุปข่าวตลาดหุ้นตอนเช้า ต่างบอกได้ในไม่กี่คำว่าเสียงควรพูดอย่างไร ตัวอย่างเช่น
- แม่ค้าส้มตำหน้าตลาด วัยสี่สิบกว่า เสียงดัง อารมณ์ดี ทักลูกค้าเป็นกันเอง
- ผู้ชายวัยสามสิบ อ่านสรุปข่าวตลาดหุ้นตอนเช้าเป็นภาษาอังกฤษ ชัด กระชับ ฟังสบาย
- 幼儿园女老师，用普通话给孩子们读绘本，温柔又有耐心。 (ครูอนุบาลผู้หญิง อ่านนิทานภาษาจีนกลางให้เด็ก ๆ ฟัง อ่อนโยนและใจเย็น)
สิ่งที่ไม่ควรใส่#
- เสียงประกอบและสภาพการอัดเสียง ElevenLabsระบุคำอย่าง reverb และ phone ไว้ในข้อผิดพลาดที่ควรเลี่ยง ใส่เอฟเฟกต์ในโปรแกรมตัดต่อหลังได้เสียงแล้ว
- ชื่อบุคคลจริง คู่มือเสียงที่สร้างเองของ OpenAIไม่ให้ใส่ชื่อบุคคลในคำบรรยายเสียง ส่วนใน Paxa คำบรรยายที่ระบุชื่อบุคคลจะได้เสียงใหม่ภายใต้ชื่อที่เครื่องมือตั้งขึ้นเอง จึงควรบรรยายลักษณะที่ต้องการแทน
- ลักษณะที่ขัดกันเอง เช่น ใจเย็นแต่ลนลานในคราวเดียว เลือกลักษณะที่บทต้องการที่สุด
- คำสั่งว่าเสียงควรพูดอะไร คู่มือของ OpenAIแยกกติกาการพูดออกจากคำบรรยายเสียง บทเป็นตัวกำหนดคำพูด ส่วนคำบรรยายเป็นตัวกำหนดเสียง
ปรับเสียงด้วยคำพูด#
เสียงแรกคือฉบับร่าง ฟังประโยคของเสียงนั้น แล้วพิมพ์สิ่งที่อยากเปลี่ยนทีละอย่าง เช่น อบอุ่นขึ้น แก่ขึ้นอีกนิด หรือช้าลง แล้วฟังเวอร์ชันถัดไป คู่มือของ OpenAIก็แนะนำให้ปรับทีละลักษณะโดยฟังจากข้อความเดิม จะได้รู้ว่าการเปลี่ยนแต่ละครั้งทำให้เสียงต่างไปอย่างไร
ใน Paxa การปรับแต่ละครั้งคงส่วนอื่นของเสียงไว้ตามเดิม บันทึกเวอร์ชันที่ชอบ แล้วเสียงนั้นจะอยู่ในกลุ่มเสียงของคุณในเครื่องมือเสียงพูด พร้อมรหัสสำหรับเรียกผ่าน API เสียงพูดด้วยเสียงที่บันทึกไว้คิดอัตรา 1.25 เท่าของเสียงในแคตตาล็อก
คำถามที่พบบ่อย#
คำบรรยายเสียงควรยาวแค่ไหน#
หนึ่งหรือสองประโยคที่บอกว่าใครเป็นคนพูดและเสียงเป็นแบบไหน Paxa รับได้สูงสุด 1,000 ตัวอักษร
เขียนคำบรรยายเป็นภาษาไทยได้ไหม#
ได้ เขียนเป็นภาษาไทย อังกฤษ หรือจีนก็ได้ เสียงจะพูดภาษาที่คำบรรยายระบุ หรือภาษาที่ใช้เขียนคำบรรยายเมื่อไม่ได้ระบุภาษาไว้
ออกแบบเสียงครั้งหนึ่งใช้เท่าไร#
5 เครดิตต่อการออกแบบหรือการปรับหนึ่งครั้ง รวมประโยคแรกของเสียงแล้ว เครดิตฟรีของบัญชีใหม่ใช้ได้หลายครั้งโดยไม่ต้องผูกบัตร
บรรยายให้เสียงเหมือนคนดังได้ไหม#
ให้บรรยายลักษณะเสียงแทนการระบุตัวบุคคล คำบรรยายที่ระบุชื่อบุคคลจริงจะได้เสียงใหม่ที่สร้างจากลักษณะที่ชื่อนั้นสื่อ ภายใต้ชื่อที่ตั้งขึ้นใหม่