Arkadaşım "Bu sesi gerçekten insan mı seslendirdi?" diye sordu — sonra iş MP3 mü WAV mı meselesine döndü

Salı gecesi, saat 23:40. Emre'den sekiz saniyelik bir ses kaydı geldi. Bir kadın sesi, sattığı ürünün özelliklerini anlatıyor; tonu rahat, arada bir nefes alışı duyuluyor. Hemen ardından mesaj: "Bu sesi gerçekten insan mı seslendirdi?"

Hayır. ücretsiz ses klonlama ile ürettim, iki dakika bile sürmedi.

Üç saniye yazmayı kesti. Sonra hiç beklemediğim bir şey sordu: "Peki dışa aktarırken MP3 mü seçtin, WAV mı?"

...Açık konuşayım, bu soru "insana benziyor mu" sorusundan çok daha zor.

İş nasıl formata bağlandı

Emre e-ticaretle uğraşıyor, son bir aydır ürün videolarına anlatım sesi hazırlıyor. Daha önce dışarıdan seslendirme almış: 30 saniye için 800 lira, her revizyon 250 lira ek. Sonra ona bir kere gösterdim — program kurmak yok, üyelik yok, metni yapıştırıyorsun, ses çıkıyor. Üç kez üst üste sordu: "Gerçekten ses klonlama ücretsiz mi, kalıcı olarak?"

Şaşkınlığını anlıyorum. Son iki yılda "seslendirme programı ücretsiz" diye çıkan kaç araç denedim, sayısını unuttum. Çoğu üç cümle sonra ekranı kapatıyor ya da dosyanın üstüne filigran basıyor. Kayıt istemeden, sınırsız çalışan ücretsiz seslendirme aracı bulmak cidden zor. "Ses klonla ücretsiz" diye arattığında karşına çıkan onlarca siteden kaçı bunu gerçekten yapıyor, orası ayrı bir tartışma.

Ama iş kendi başına yapmaya gelince tıkanıyor insan. Emre metin sese çevirme sayfasına metni yazdı, dışa aktar'a bastı, karşısına iki format çıktı — ve orada kaldı. "Metin sese çevirme ücretsiz" diye aratıp on tane site bulan, yarım saat hangi ses daha doğal diye video izleyen insanların çoğu, son adımda rastgele bir format seçip o ana kadar biriktirdiği emeği çöpe atıyor. Tanıdık geldi mi?

MP3 ile WAV arasındaki fark "daha iyi ses" değil

Önce şu yanlış anlamayı kaldıralım.

WAV "daha kaliteli" değil, "sıkıştırılmamış". MP3 de "kalitesiz" değil, "kayıplı ama akıllıca sıkıştırılmış". İkisinin ilişkisi RAW ile JPEG gibi — biri diğerinden üstün değil, kullanım amacı farklı.

WAV ham örnekleme verisini tutar, dosya da ona göre şişer. 44.1 kHz / 16 bit bir dakikalık kayıt yaklaşık 10 MB. Aynı süre MP3'te 128 kbps ile 1 MB, 320 kbps ile 2,4 MB civarı.

Peki o fazladan hacim neye yarıyor? Düzenlenebilirliğe. Sesin arkasından kurgu programına girip gürültü temizleyeceksen, hız değiştireceksen, mix yapacaksan, WAV bu işkenceye dayanır. MP3 her dışa aktarımda biraz daha yer. Üç tur kurgudan sonra "s" sesleri tırmalamaya başlar.

Tersi de doğru: sesi doğrudan Reels'e, TikTok'a, WhatsApp'a atacaksan, o 10 MB tamamen israf. Zaten platform kendi tarafında bir daha sıkıştırıyor — yani boşuna uğraşmış oluyorsun.

Benim alışkanlığım şöyle

Yıllardır içerik üretiyorum, artık refleks oldu:

  • Kurguya girecekse: WAV
  • Doğrudan teslim edilecekse, gruba atılacaksa, platforma yüklenecekse: MP3 320 kbps
  • Kararsızsam: önce WAV kaydet, gerektiğinde MP3'e çevir

Üçüncü maddeyi bir olaydan sonra ekledim. Bir müşteriye MP3 teslim ettim, "fon müziğini kısar mısın" dedi. MP3'ü tekrar kurguya soktum, çıkan vokal bariz boğuktu, baştan üretmek zorunda kaldım. O günden sonra akıllandım.

Bu arada, üretim tarafında en pratik yöntem şu: bir kere üret, iki formatı da kaydet. Zaten sınırsız üretim var, yeniden çalıştırmak otuz saniye. Birkaç megabayt için kumar oynamaya değmez.

Sesli kitap yapay zeka ücretsiz araçlarıyla bölüm bölüm kayıt alan arkadaşlarım var; onlara hep aynı şeyi söylüyorum: arşivi WAV tutun. Çünkü bir yayıncı "şu bölümün temposu biraz yavaş" dediğinde, elindeki MP3 ile uğraşmak yerine kaynağa dönüp yeniden üretmek çok daha temiz bir sonuç veriyor.

Programatik iş yapacaksanız — mesela ürün açıklamalarını toplu seslendirecekseniz — kaynağında kayıpsız versiyonu tutmak daha da önemli. VoxClone tarafında ücretsiz ses sentezleme API'si üzerinden gelen sesi doğrudan WAV olarak diske yazabiliyorsunuz; sonradan ne yapmak isterseniz alan kalıyor. "Kaynağında kayıpsız tut" alışkanlığı, sonradan kurtarmaya çalışmaktan çok daha ucuz.

Bir de şunu ekleyeyim: kendi sesini klonla dediğinizde, o kaydın kişisel veri — hatta biyometrik veri — sayıldığını unutmayın. KVKK tarafında açık rıza meselesi var; sesinizi klonlayıp bir markanın reklamında kullanacaksanız, seslendiren kişiden yazılı izin almak sizi sonradan ciddi bir baş ağrısından kurtarır. Türkiye'de bu konuda açılmış davalar var, hafife almayın.

Türkçe tarafında da bir uyarı: text to speech türkçe ücretsiz araçların çoğu "ğ", "ı" ve ek vurgularında sırıtıyor. Türkçe eklemeli bir dil olduğu için vurgu hep sona kayar; bunu beceremeyen motor, cümleyi robota çeviriyor. Metni yazarken uzun tamlamalar yerine kısa cümleler kurmak, virgülle nefes vermek, sonucu gözle görülür şekilde iyileştiriyor. Bunu bir kere deneyince bir daha uzun cümle yazmıyorsunuz.

Sık sorulan üç şey

MP3 kulağa "yapay zeka" gibi mi gelir?

Hayır. Yani format o kararın sebebi değil. Bir ses yapay geliyorsa sebep genelde ya tuhaf duraklamalar ya da tonun içerikle uyuşmaması — mesela ciddi haber tonuyla şirin bir ürün tanıtımı okumak. Yapay zeka ses ücretsiz araçlar, "bir duyuyorsun yapay olduğunu" aşamasını çoktan geçti; özellikle kendi sesini klonla seçeneğinde örnek kayıt temizse sonuç da temiz oluyor. Format farkını telefon hoparlöründe zaten duyamazsın.

Reels için WAV dışa aktarsam yükleyemez miyim?

Yükleyebilirsin ama gerek yok. Instagram, TikTok ve YouTube Shorts'un yükleme boyutlarında gizli sınırları var, üstüne hepsi kendi tarafında yeniden kodluyor. WAV gönderdiğinde de AAC'ye çeviriyorlar. Yani video seslendirme yapay zeka işlerinde doğrudan MP3 git, kendini yorma.

Dışa aktardığım dosyayı sonradan düzenleyebilir miyim?

MP3'te düzenlersin ama her seferinde biraz kaybedersin. Sadece baştaki ve sondaki sessizliği kırpacaksan sorun yok; hız, perde veya gürültü temizliği gerekiyorsa ses klonlama sayfasına dönüp WAV olarak yeniden üret, sonra kurguya gir. Zaten voice cloning türkçe online araçlarının en güzel tarafı bu — maliyet o kadar düşük ki baştan başlamak sorun olmuyor.

Kapanış yerine

Emre'ye son tavsiyem şuydu: bu ürün anlatımlarını önce WAV olarak arşivle, teslim edeceğini MP3 320 kbps yap. İnanmadı, "o kadar fark duyulur mu ya" dedi. Duyulmaz dedim. Ama üç ay sonra metni değiştirmen gerektiğinde farkın nerede olduğunu anlarsın.

Sen de aynı yerde takıldıysan, sayfada öylece durup düşünme. Otuz saniyelik bir metin al, ücretsiz metin sese çevirme ile iki kere üret — bir MP3, bir WAV. Kulaklığı tak, dinle, sonra ikisini kurgu programına atıp bir kere kes. Beş dakika sürer, on tane rehber okumaktan çok daha faydalı.

Bu arada diğer rehberlere de göz atabilirsin; oradaki çukurların bir kısmına ben zaten düşmüşüm.