Standard dan Rujukan Pengumpulan Klon Suara
1. Tempoh Audio
Tempoh audio yang berkesan: 1-3 minit;
2. Persediaan Rakaman
Sediakan kandungan teks mengikut kes penggunaan yang berbeza, memastikan kandungan sepadan dengan konteks yang dihasratkan (membaca dengan kuat, siaran langsung, pertuturan harian, dsb.);
3. Persekitaran Rakaman
Persekitaran rakaman mesti senyap, dengan bunyi latar di bawah 40dB. Anda boleh menggunakan aplikasi "meter desibel" untuk menguji tahap bunyi persekitaran;
Pastikan rakaman bebas daripada gema, dengung, dan hingar;
4. Peralatan dan Parameter Rakaman
Mikrofon peredam bunyi atau mikrofon lavalier tanpa wayar ("little bee") disyorkan sebagai peralatan rakaman; pelindung angin atau penapis pop disyorkan jika boleh;
Kadar sampel 48kHz disyorkan untuk rakaman audio;
Simpan audio dalam format lossless seperti WAV, AIFF, atau M4A; jangan simpan audio dalam format termampat seperti MP3;
5. Penutur
Penutur tidak sepatutnya terlalu hampir dengan mikrofon, untuk mengelakkan bunyi letupan (popping) dan merakam bunyi pernafasan; setiap ayat hendaklah dituturkan dengan lancar dalam satu nafas;
Sebutan hendaklah jelas dan terang, dengan jeda yang jelas antara ayat;
Berhenti seketika 1-2 saat antara ayat;
Kekalkan nada dan gaya yang konsisten sepanjang masa, mengelakkan campuran emosi yang berbeza.
6. Perbezaan Antara Keperluan Suara dan Avatar
Avatar V2 mempunyai keperluan yang tinggi terhadap rakaman sumber — anda mesti bercakap secara biasa, memakai mikrofon peredam bunyi, mengekalkan persekitaran yang senyap, dan merakam video sekurang-kurangnya tiga minit;
Avatar V5 mempunyai keperluan yang lebih rendah terhadap rakaman sumber — video sumber boleh dirakam dengan atau tanpa pertuturan biasa, minimum 3 minit; pecutan GPU diperlukan sebelum melatih avatar V5, tetapi tidak untuk V2;
Suara V9 menggunakan kuasa pemprosesan komputer yang lebih rendah; suara V6 menggunakan sedikit lebih tinggi berbanding V9 tetapi tidak menyebabkan siaran langsung tersekat-sekat. Keperluan untuk semua rakaman suara: bercakap secara biasa (jangan membaca nombor dengan kuat), memakai mikrofon peredam bunyi, mengekalkan persekitaran yang senyap tanpa sebarang hingar. Jika audio sumber mempunyai hingar, gunakan CapCut (Jianying) untuk menerapkan pengurangan hingar.