最近稍微試了一下ElevenLabs 蠻驚艷的，就來分享一下。 它是一個文字轉語音的AI服務。 還能用已有的聲音去複製聲線 最近很多美國總統玩遊戲的影片都是用這個 有10000字的試用額度，它是連標點符號和空白都算的。 https://i.imgur.com/HVIc1Q6.jpg 上面是文字生聲音 下面是生產或複製聲線 https://i.imgur.com/Un5Q0B6.jpg 介面基本上長這樣。 Stability 越高聲音就越穩定，調低的話情緒會比較明顯，我自己是覺得真實很多。調高 就比較有機械感 Clarity + Similarity Enhancement 就清晰度和原本聲音的相似度。這不建議調太低， 不然效果不好。 一般說話的聲音，我看Discord一些用戶的建議是將 stability 25% Clarity 85% 另外是文字的部分，雖然試用可以一次生成2500字，但太長的話，有時候聲音會突然變調 ，建議分段都在500-600字以下。 AI本身會偵測文字的語氣，但也可以用文字敘述，可以在一段話前加上，He said angril y 或 He whisper。AI就會用相應語氣。用這方法最好將Stability 降到10%左右。 另外 全大寫字母，或是表情符號也有效果 聲線部分，它原本就有一些預設的聲線，其實效果算不錯。非會員可以用隨機生產聲線的 功能。複製聲線功能之前好像被玩壞了，現在只有會員才能用。 隨機的部分，可以選性別、年紀和口音。 https://i.imgur.com/dVFORW3.jpg Generate 就可以生成一個新的聲線。 並且產生一段範例聲音 但會消耗你範例裡文字數的額度 喜歡的話就可以存起來 我覺得這蠻看運氣的，有時候蠻機械化的，但有時候又能骰到不錯的聲線。 最後就是複製聲音的部分，基本上一小段話丟進去就能複製到非常像，複製本身不會產生 範例，也不會消耗額度。盡量不要有噪音，他們是說五分鐘以上效果最好。 這AI大概是我目前聽過最真實的文字轉語音，不過目前只有英文效果最好，中文可以轉， 但超級爛，完全不建議。 d-id 是另一個文字轉語音加影片。能讓圖片動起來嘴形符合語音。 https://youtu.be/eyJ5kZeSF8k 這影片有在關注AI的可能會有看過。裡面有教學，它本身能文字轉語音，但我覺得效果普 通。你也可以匯入其他的語音。ElevenLabs產的聲音丟進d-I’d效果蠻好的。另外圖片選 擇的時候，盡量選擇正臉的圖片。側臉會變的非常獵奇。 我覺得ElevenLabs運用應該蠻廣的，例如在一些indie game 開發上會蠻有用的。d-id 就 比較像玩具一點。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.34.148.51 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/AI_Art/M.1678386291.A.59B.html