最近稍微试了一下ElevenLabs 蛮惊艳的，就来分享一下。 它是一个文字转语音的AI服务。 还能用已有的声音去复制声线 最近很多美国总统玩游戏的影片都是用这个 有10000字的试用额度，它是连标点符号和空白都算的。 https://i.imgur.com/HVIc1Q6.jpg 上面是文字生声音 下面是生产或复制声线 https://i.imgur.com/Un5Q0B6.jpg 介面基本上长这样。 Stability 越高声音就越稳定，调低的话情绪会比较明显，我自己是觉得真实很多。调高 就比较有机械感 Clarity + Similarity Enhancement 就清晰度和原本声音的相似度。这不建议调太低， 不然效果不好。 一般说话的声音，我看Discord一些用户的建议是将 stability 25% Clarity 85% 另外是文字的部分，虽然试用可以一次生成2500字，但太长的话，有时候声音会突然变调 ，建议分段都在500-600字以下。 AI本身会侦测文字的语气，但也可以用文字叙述，可以在一段话前加上，He said angril y 或 He whisper。AI就会用相应语气。用这方法最好将Stability 降到10%左右。 另外 全大写字母，或是表情符号也有效果 声线部分，它原本就有一些预设的声线，其实效果算不错。非会员可以用随机生产声线的 功能。复制声线功能之前好像被玩坏了，现在只有会员才能用。 随机的部分，可以选性别、年纪和口音。 https://i.imgur.com/dVFORW3.jpg Generate 就可以生成一个新的声线。 并且产生一段范例声音 但会消耗你范例里文字数的额度 喜欢的话就可以存起来 我觉得这蛮看运气的，有时候蛮机械化的，但有时候又能骰到不错的声线。 最後就是复制声音的部分，基本上一小段话丢进去就能复制到非常像，复制本身不会产生 范例，也不会消耗额度。尽量不要有噪音，他们是说五分钟以上效果最好。 这AI大概是我目前听过最真实的文字转语音，不过目前只有英文效果最好，中文可以转， 但超级烂，完全不建议。 d-id 是另一个文字转语音加影片。能让图片动起来嘴形符合语音。 https://youtu.be/eyJ5kZeSF8k 这影片有在关注AI的可能会有看过。里面有教学，它本身能文字转语音，但我觉得效果普 通。你也可以汇入其他的语音。ElevenLabs产的声音丢进d-I’d效果蛮好的。另外图片选 择的时候，尽量选择正脸的图片。侧脸会变的非常猎奇。 我觉得ElevenLabs运用应该蛮广的，例如在一些indie game 开发上会蛮有用的。d-id 就 比较像玩具一点。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.34.148.51 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI_Art/M.1678386291.A.59B.html