มาตรฐานและตัวอย่างการเก็บเสียงสำหรับโคลนเสียง
มาตรฐานการเก็บเสียงสำหรับการโคลนเสียง
1. ความยาวของเสียง
ความยาวเสียงที่ใช้ได้: 1-3 นาที
2. การเตรียมการอัดเสียง
เตรียมเนื้อหาข้อความตามกรณีการใช้งานที่ต่างกัน โดยให้เนื้อหาเข้ากับบริบทที่ตั้งใจไว้ (การอ่านออกเสียง การไลฟ์สตรีม การพูดในชีวิตประจำวัน ฯลฯ)
3. สภาพแวดล้อมการอัดเสียง
สภาพแวดล้อมการอัดต้องเงียบ โดยมีเสียงรบกวนพื้นหลังต่ำกว่า 40dB คุณสามารถใช้แอป "เครื่องวัดเดซิเบล" เพื่อทดสอบระดับเสียงรบกวนโดยรอบ
ทำให้การอัดปราศจากเสียงสะท้อน เสียงก้อง และเสียงรบกวน
4. อุปกรณ์และพารามิเตอร์การอัดเสียง
แนะนำให้ใช้ไมโครโฟนตัดเสียงรบกวนหรือไมค์หนีบไร้สาย (แบบ "little bee") เป็นอุปกรณ์อัดเสียง และแนะนำให้ใช้ที่กันลมหรือฟิลเตอร์กันเสียงป๊อปหากเป็นไปได้
แนะนำให้ใช้อัตราสุ่มตัวอย่าง 48kHz สำหรับการอัดเสียง
บันทึกเสียงในรูปแบบไม่สูญเสียคุณภาพ เช่น WAV, AIFF หรือ M4A อย่าบันทึกเสียงในรูปแบบบีบอัด เช่น MP3
5. ผู้พูด
ผู้พูดไม่ควรอยู่ใกล้ไมโครโฟนเกินไป เพื่อหลีกเลี่ยงเสียงป๊อปและการอัดเสียงหายใจ แต่ละประโยคควรพูดให้ลื่นไหลในครั้งเดียว
การออกเสียงควรชัดเจนและแจ่มแจ้ง โดยมีการเว้นจังหวะระหว่างประโยคอย่างชัดเจน
เว้นจังหวะ 1-2 วินาทีระหว่างแต่ละประโยค
รักษาน้ำเสียงและสไตล์ให้สม่ำเสมอตลอด หลีกเลี่ยงการปนอารมณ์ที่แตกต่างกัน
6. ความแตกต่างระหว่างข้อกำหนดของเสียงและอวาตาร์
อวาตาร์ V2 มีข้อกำหนดสูงสำหรับวิดีโอต้นฉบับ — คุณต้องพูดตามปกติ สวมไมโครโฟนตัดเสียงรบกวน อยู่ในสภาพแวดล้อมที่เงียบ และอัดวิดีโออย่างน้อยสามนาที
อวาตาร์ V5 มีข้อกำหนดสำหรับวิดีโอต้นฉบับต่ำกว่า — วิดีโอต้นฉบับจะอัดโดยพูดตามปกติหรือไม่พูดก็ได้ ขั้นต่ำ 3 นาที และต้องเปิดการเร่งความเร็วด้วย GPU ก่อนฝึกอวาตาร์ V5 แต่ไม่จำเป็นสำหรับ V2
เสียง V9 ใช้ทรัพยากรของเครื่องน้อยกว่า ส่วนเสียง V6 ใช้มากกว่า V9 เล็กน้อยแต่ไม่ทำให้ไลฟ์กระตุก ข้อกำหนดสำหรับการอัดเสียงทุกแบบ: พูดตามปกติ (อย่าอ่านออกเสียงตัวเลข) สวมไมโครโฟนตัดเสียงรบกวน อยู่ในสภาพแวดล้อมที่เงียบและไม่มีเสียงรบกวนใด ๆ เลย หากเสียงต้นฉบับมีเสียงรบกวน ให้ใช้ CapCut (Jianying) ในการลดเสียงรบกวน