Советы по обеспечению наилучшего качества клонирования голоса

Условия записи, манера речи, требования к файлам и способы устранения типичных проблем при клонировании голоса.

Автор Umakhan Magomedov

Последнее обновление 1 день назад

Качество клонирования голоса зависит от предоставленной вами записи. Эти советы помогут вам получить естественно звучащий результат, максимально приближенный к вашему голосу.

Условия записи

Делайте запись в тихой комнате, где нет фоновых шумов, эха или музыки
Избегайте помещений с твёрдыми поверхностями, создающими эхо (ванные комнаты, пустые комнаты)
Хорошо подходит небольшая комната с мягкой обстановкой (ковер, шторы, диван)
Держите телефон или микрофон на постоянном расстоянии от рта (15–30 см)

Как говорить

Говорите в естественном темпе, как в обычном разговоре
Произносите слова чётко, но без преувеличения
Прочитайте контрольный текст, предоставленный в приложении — он разработан для фиксации широкого спектра характеристик вашего голоса
Не шепчите и не говорите необычно медленно: модель учится распознавать ваш естественный голос
Старайтесь говорить четко и без пауз не менее 30–60 секунд

ℹ️ Эталонный текст в приложении специально подобран так, чтобы включать разнообразные звуки, интонации и синтаксические конструкции. Полное его прочтение дает модели больше материала для работы.

Если вы загружаете файл вместо записи

Используйте файл с одним говорящим, без фоновой музыки и эффектов
Минимальная продолжительность: 10 секунд. Рекомендуемая: 30–60 секунд или более
Максимальный размер файла: 20 МБ
Поддерживаемые форматы: MP3, WAV, AAC, OGG
Избегайте записей телефонных разговоров, сильно сжатого аудио или записей с несколькими говорящими

Распространенные проблемы и способы их устранения

Проблема	Решение
Голос звучит механически или неестественно	Сделайте запись заново в более тихом месте, увеличив продолжительность записи (60+ секунд)
Голос не похож на ваш	Убедитесь, что в записи нет фоновых шумов и что вы прочитали весь исходный текст
Звук приглушенный или нечеткий	Приблизьте микрофон, избегайте записи через ткань
Ошибка клонирования	Убедитесь, что файл не слишком короткий, речь в нём чёткая и он не превышает ограничение по размеру

Часто задаваемые вопросы

Какой длины должна быть запись?

Минимальная продолжительность — 10 секунд, но записи длительностью 30–60 секунд или более дают заметно лучшие результаты. Более длинные записи предоставляют модели больше примеров вашего голоса для работы.

Можно ли использовать запись телефонного разговора?

Записи телефонных разговоров часто сжимаются и могут содержать фоновый шум со стороны собеседника. В результате качество будет ниже. Специально сделанная запись в тихой обстановке дает гораздо лучшие результаты.

Мой голосовой клон звучит хорошо на одном языке, но не на другом. Почему?

Голосовые модели обучаются с учётом конкретных языков. Клон, записанный на русском языке, может звучать иначе при генерации речи на английском. Для достижения наилучших результатов на конкретном языке записывайте эталонный аудиофайл, говоря на этом языке.

Можно ли улучшить голосовой клон, не удаляя и не создавая его заново?

Не напрямую. Чтобы улучшить голос, удалите текущий и создайте новый с помощью более качественной записи. Воспользуйтесь советами из этой статьи при повторной записи.

Нужна помощь? Предложить идею