Geçen ay bir gece, YouTube'da kendi yazdığım polisiye hikayeyi dinleyen bir takipçiden "Sesin nasıl bu kadar doğal?" diye bir mesaj geldi. Aslında o ses benim değildi — ücretsiz bir ses klonlama ücretsiz aracıyla bir saat içinde üretilmiş bir kopyaydı. Şimdi siz de aynı yolu yürümek isterseniz, şarj aletinizi yanınıza alın ve gelin beraber deneyelim.
1. Kayıt öncesi: "Ses motherboard" hazırlığı
Çoğu insan mikrofonun başına oturup bir paragraf okur, sonra "tamam, klonla" der. Sonuç? Düz, tünel gibi bir ses. Ücretsiz modellerin veri kalitesine duyarlılığı, ücretli sürümlere göre çok daha yüksek. Bu yüzden evinizdeki en sessiz köşeyi (ben banyo fayanslarının yuttuğu o daireyi tercih ediyorum) bulun, telefonunuzun yerel kayıt uygulamasını açın ve ağızınızdan 15‑20 cm uzakta, dakikada 200 kelime civarında haber diliyle en az 10 dakika ham ses kaydedin. Neden haber dili? Çünkü cümleler kısa, ton düz, duygu dalgalanması minimal — modelin en temiz timbre'yi öğrenmesi için ideal.
Kayıttan sonra telefonun editöründe baştaki ve sondaki sessizlikleri, nefes seslerini kesin. WAV formatında dışa aktarın; MP3 sıkıştırma o ince armonikleri yiyor. Bu detay, sonradan "metin sese çevirme ücretsiz" testlerinde işinizi kolaylaştırır.
2. web666.cc üzerinde ilk klonlama
Tarayıcıdan ana sayfa açın, üst menüden Ses Klonlama sekmesine tıklayın. Kayıt olduktan sonra dosya yükleme ekranı gelir. Küçük bir hile: 10 dakikalık WAV dosyasını 3‑4 dakikalık üç parçaya bölün. Neden mi? Ücretsiz sunucu GPU belleği kısıtlı; tek bir uzun dosya otomatik olarak düşürülmüş örnekleme hızıyla işleniyor, sesiniz "darbe almış" gibi çıkıyor. Parçalar halinde yükleyince her biri tam çözünürlükte işlenip sonra birleştiriliyor — sonuç çok daha dolgun.
İşlem 5‑10 dakika sürer. Sayfayı yenilemeyin, çayınızı için. Bittiğinde "Test Et" butonuna basıp "Merhaba, bu bir test sesidir" cümlesini dinleyin. İki noktaya odaklanın: "Merhaba" kelimesinin M sesi net mi, yoksa burunlu bir "merhaba" mı? Ve cümle sonundaki "sesidir" kısmında hafif bir parazit var mı? Eğer varsa, en sessiz 2‑3 saniyelik kısımı sessize alıp tekrar yükleyin.
3. Sesli kitap metnini doğrudan yapıştırma yanılgısı
Burada en büyük tuzak: roman metnini tek seferde TTS kutusuna yapıştırıp "Oluştur" demek. Çıkan dosya, diyaloglar ve anlatım birbirine karışır, dinleyici 5 dakika sonra kaçar. Benim yöntemim şöyle: Word belgesinde metni "Anlatım" ve "Diyalog" iki sütuna ayırın. Anlatım normal hızda kalsın, diyaloglara ise [hızlı], [sakin], [heyecanlı] gibi etiketler ekleyin. klonlama aracı bu köşeli parantezleri tanıyor — resmi belgede geçmese de deneyimimde çalışıyor.
Bir de her seferde en fazla 500 karakter gönderin. Uzun metinlerde modelin dikkati dağılıyor, sonlarda "hızlanıyor" hissine kapılıyorsunuz. Parçaları sırayla indirin, ardından CapCut ya da Audacity ile birleştirin. Aralarına 0,3 saniyelik sessizlik koyun; bu doğal bir nefes molası hissiyatı veriyor.
4. Son dokunuş: "İnsan dokusu" katmak
Klon sesin en belirgin açığı duraklamalardır. Gerçek insan virgülle 0,5 sn, noktayla 1 sn durur; model genelde 0,2 sn ile geçiştirir. Bu fark kulakta "robot" algısı yaratıyor. Çözüm: Oluşan bölümleri CapCut'te tekrar "Metin‑Ses" özelliğiyle, bu sefer yerel "Sıcak Erkek" veya "Şefkatli Kadın" sesiyle (siteye ait standart sesler) çalıştırın. Sonra iki ses pistini üst üste koyun: klon sesin ses seviyesini %70, standart sesi %10 yapın. Karışımda klonun metalik yanları, standart sesin doğal nefes ve hafif tırnak sesleriyle maskeleniyor.
Son adım — arka plan gürültüsü. YouTube'da "Yağmurlu kafe ortam sesi" aratın, ücretsiz birini indirin, seviyesini ‑30 dB'ye çekin ve en alt katmana yerleştirin. Bu ince beyaz gürültü, 2‑4 kHz bandındaki "plastik" rezonansı gizliyor. Storytel Türkiye veya yerel podcast platformlarına yüklerken KVKK uyumluluğu için ses dosyasında hiçbir kişisel veri (isim, adres) bulunmadığından emin olun; bu küçük detay onay sürecini hızlandırıyor.
5. Gerçek hayat testi
Bu akışla bir saatlik bir bölümden yaklaşık 15 dakika lik yayın kalitesinde ses elde ediyorum. Uzun cümlelerde nadiren bir kelime kayboluyor, ağlamak ya da soğuk gülmek gibi karmaşık duygular henüz yok — ama gerilim, tarihî anlatım, bilimsel içerik için yeterli. İlk albümüm Spotify Türkiye'de 3 bin dinlenmeyi geçti, yorumlarda "Sesiniz çok samimi, hangi stüdyoda kaydettiniz?" sorusu geldi. İşte o an anladım: kendi sesini klonla demek sadece bir teknik terim değil, bir hikaye anlatma özgürlüğü.
Şimdi sıra sizde. Mikrofonunuzu alın, 10 dakika kaydedin, dinamik ses sayfası üzerinden deneyin ve ilk bölümü bir akşam içinde yayınlayın. Mükemmel olmasından çekinmeyin — önce "yayınlandı" deyin, sonra mükemmelliği kovalayın. İyi kayıtlar!