Standar dan Referensi Pengambilan Kloning Suara
1. Durasi Audio
Durasi audio efektif: 1–3 menit;
2. Persiapan Perekaman
Siapkan konten teks sesuai berbagai kasus penggunaan, pastikan kontennya cocok dengan konteks yang dituju (membaca nyaring, livestream, percakapan sehari-hari, dll.);
3. Lingkungan Perekaman
Lingkungan perekaman harus tenang, dengan kebisingan latar di bawah 40dB. Anda dapat menggunakan aplikasi "pengukur desibel" untuk menguji tingkat kebisingan sekitar;
Jaga rekaman bebas dari gema, gaung, dan bising;
4. Perangkat dan Parameter Perekaman
Mikrofon peredam bising atau mikrofon lavalier nirkabel ("little bee") disarankan sebagai perangkat perekaman; windscreen atau pop filter disarankan jika memungkinkan;
Sample rate 48kHz disarankan untuk perekaman audio;
Simpan audio dalam format lossless seperti WAV, AIFF, atau M4A; jangan menyimpan audio dalam format terkompresi seperti MP3;
5. Pembicara
Pembicara sebaiknya tidak terlalu dekat dengan mikrofon, untuk menghindari suara letupan dan terekamnya suara napas; setiap kalimat sebaiknya diucapkan mulus dalam sekali ucap;
Pelafalan harus jelas dan lugas, dengan jeda yang jelas antar kalimat;
Beri jeda 1–2 detik antar kalimat;
Pertahankan nada dan gaya yang konsisten sepanjang rekaman, hindari mencampur berbagai emosi.
6. Perbedaan Persyaratan Suara dan Avatar
Avatar V2 memiliki persyaratan tinggi terhadap footage sumber — Anda harus berbicara secara normal, mengenakan mikrofon peredam bising, menjaga lingkungan tetap tenang, dan merekam video minimal tiga menit;
Avatar V5 memiliki persyaratan lebih ringan terhadap footage sumber — video sumber dapat direkam dengan atau tanpa ucapan normal, minimal 3 menit; akselerasi GPU diperlukan sebelum melatih avatar V5, tetapi tidak untuk V2;
Suara V9 menggunakan performa komputer yang lebih ringan; suara V6 sedikit lebih berat daripada V9 tetapi tidak menyebabkan livestream tersendat. Persyaratan untuk semua perekaman suara: berbicara secara normal (jangan membacakan angka), kenakan mikrofon peredam bising, jaga lingkungan tetap tenang tanpa bising sama sekali. Jika audio sumber memiliki bising, gunakan CapCut (Jianying) untuk menerapkan pengurangan bising.