Arkadaşım NPC seslendirmesini gerçek insan sandı, ben güldüm—ücretsiz ses klonlamayla neler yapıyorum

Arkadaşım NPC seslendirmesini gerçek insan sandı, ben güldüm—ücretsiz ses klonlamayla neler yapıyorum

Geçen hafta grupça dungeon kasıyorduk, takım arkadaşım mikrofonu açtı ve dedi ki: “Bu NPC'nin repliklerini gerçek bir insan mı seslendiriyor? Ses tonu o kadar doğal ki!”

O an gülmekten kırıldım—çünkü o sesi ücretsiz ses klonlama ile yapmıştım, üstünden daha on dakika geçmemişti.

İnanması zor, altı ay önce ben de bu işe ihtimal vermezdim. Ama metin sese çevirme ücretsiz sitesini keşfettim, oyun projemin seslendirme işi bambaşka bir yöne evrildi.

“Robotik” sesten “gerçek insan”a geçiş

İlk başlarda büyük firmaların TTS motorlarını denedim, sonuçlar... tahmin edersin, her replikte yapay zeka kokusu. Hele çoklu karakter diyaloglarında herkes aynı tonda, oyuncular direkt “oyun bozuldu” diye bağırıyordu.

Sonra ses klonla ücretsiz aracını denedim, önce kendi sesimden üç cümle kaydettim referans olarak, sonra her NPC'ye farklı bir tını atadım—yaşlı köy muhtarına kalın ve boğuk, elf kızına parlak ve hafif uzayan, kötü adama ise alçak ve nefesli.

Sonuç? Arkadaşım oyuna girip bana profesyonel bir seslendirmeci mi tuttuğumu sordu.

Dürüst olmak gerekirse, bu araç beklediğimden daha zeki. Sadece ton değiştirmiyor, vurguları, duraksamaları, hatta nefes alıp vermeyi bile öğreniyor. Bir repliği parçalara bölüp her parçaya farklı duygu etiketi verdiğimde, ortaya “oyunculuk” yapılmış bir performans çıkıyor.

Düştüğüm tuzaklar: Klonlamayı “ses kaydedici” sanmayın

İlk kullanımda hırs yaptım, beş karakteri tek seferde klonlamak istedim.

Sonuç felaketti—sesler birbirine karıştı, sanki beş kişi aynı ağzı kullanıyordu. Sonra anladım ki, ses klonlama ücretsiz için yeterince temiz referans ses vermek şart; her karakter için en az 15 saniye, mümkünse aynı duygu durumunda kayıt gerekli.

Bir de oyunun orijinal sesini klonlamayı denedim, telif uyarısı az kalsın beni ödümü patlatacaktı.

Artık kendi sesimi kaydediyorum ya da sitedeki hazır örnek sesleri kullanıyorum. Evet, bu ses klonlama aracı kayıt gerektirmiyor, aç ve kullan, kaydını sürükle bırak, işte bu kadar.

Çoklu karakter seslendirmesinde pratik yol

Şu an oyun NPC'leri için seslendirme akışım şöyle:

Önce replikleri yazıyorum, sonra karakterlere dağıtıyorum, her karakter için bir temel ses seçiyorum (sitede onlarca hazır ses var, yeterli), ardından hız, perde ve duygu yoğunluğunu ince ayar yapıyorum.

Kritik adım “karakter sabitleme”—aynı karakterin tüm repliklerinde aynı klon modelini kullan, sakın karıştırma.

Bu arada, metin sese çevirme ücretsiz özelliği özellikle uzun repliklerde harika, otomatik cümle bölme yapıyor, benim elle noktalama işaretlerimden çok daha doğal.

“Ücretsiz”in arkasındaki gerçekler

Merak ediyorsun: Gerçekten bedava mı, sonsuza kadar mı?

Bir aydan fazladır kullanıyorum, kuruş ödemedim, ödeme duvarına da denk gelmedim. Ama dikkat: Ücretsiz sürümde günlük karakter limiti var, yaklaşık iki-üç saatlik ses için yeterli.

Ayrıca, ses sentezleme ücretsiz sürümünün ses kalitesi 44.1kHz ile sınırlı; oyun ses efektleri için yeterli, ama radyo tiyatrosu yapacaksan kayıt gerektirmeyen ses klonlama ile birkaç farklı modeli denemeni öneririm.

Neyse ki benim ana aracım ücretsiz seslendirme sitesi—stabil, reklamsız, sorunsuz.

Canlı örnek: “Ukala kedi kızı” NPC seslendirmesi

Geçen hafta yeni bir istek geldi—bir kedi kızı NPC, replikleri hem ukala hem yapışkan, mesela “Hıh, bu kedi seni beklemek için gelmedi biliyor musun?” tarzında.

Önce hazır “genç kız” sesini denedim, fazla tatlı çıktı, ukalalığın o “huysuz” havası yoktu. Sonra kendi sesimle ukala bir tonlama yapıp 20 saniyelik bir kayıt aldım ve klonladım.

Çıkan sonuç beni bile iki saniye şaşırttı—o “hıh” hecesi yükselen bir tınıyla bitiyor, ortasında fark edilmez bir geniz sesi var, resmen kedi kızının ta kendisi.

Sesi oyuna ekledim, test sırasında iş arkadaşım gelip sordu: “Bu seslendirmeyi hangi seslendirme sanatçısı yaptı?” “Yapay zeka” dedim, ekrana bir süre baktı, sonunda “Bu yapay zeka iyi oyunculuk yapıyormuş” dedi.

Duygu detayları: etiketler sesin kendisinden önemli

Çoğu rehberin söylemediği bir şey var: Klonlama sırasında duygu etiketleri, ses tınısından daha belirleyici.

Örneğin aynı “Sonunda geldin” cümlesi, “şaşkın” ve “kırgın” etiketleriyle tamamen farklı çıkıyor. Ben her repliğin önüne duygu ipucu ekliyorum, “[neşeli] Sonunda geldin” gibi, site motoru bunu algılıyor.

Küçük bir numara: Karakterin “nefes nefese” konuşmasını istiyorsan, cümlenin sonuna üç nokta koy, TTS otomatik olarak son sesi uzatıyor. Ben denedim, elle nefes parametresi ayarlamaktan çok daha doğal.

Sıkça Sorulan Sorular

Soru: Klonlanan seste “elektronik” bir tat olur mu?

İyi soru. Başta ben de endişeliydim, ama pratikte referans ses temiz olduğu sürece, normal hızda konuşurken neredeyse hiç sentetik his yok. Arada nefes alışverişleri doğal gelmezse, virgül veya nokta ekleyip TTS'e nefes aldırıyorum.

Soru: Çoklu karakter diyaloglarında ses geçişleri nasıl pürüzsüz olur?

Genelde her karakter için ayrı ses dosyası üretiyorum, oyun motorunda tetikleme koşullarına göre çalıyorum. Böylece geçişlerde sıfır gecikme oluyor, her karakterin kendi duygu eğrisi var.

Soru: Bu araçla şarkı söyletmek mümkün mü?

Evet, şarkı söyleten ses klonlama modu var, bir demoyu kadın sesine çevirdim, dinlenebilir bir sonuç çıktı. Ama şarkı söylemek konuşmaktan zor, daha uzun referans ses gerekiyor ve perde düzeltmeleri sonradan yapılıyor.

Sonuç

Şimdi arkadaşlarım “Bu NPC'yi kim seslendirdi?” diye sorduğunda, “Bedava bir yapay zeka, ses klonlama platformu” diyorum. İnanmıyorlar, canlı canlı gösteriyorum—iki cümle kaydet, klonla, yeni bir replik üret, toplam iki dakika sürüyor.

Düşünsene, on yıl önce bu iş için kaç para verirdin seslendirme sanatçısına?

Peki, senin sesinle konuşmasını istediğin bir oyun karakteri var mı?