Nếu bạn lớn lên với việc làm những video "grounded" hoặc trao đổi các đoạn lồng tiếng meme, bạn đã biết âm thanh đó: cách phát âm hơi robot, âm vực trung, kiểu hoạt hình mà những giọng như Brian, Eric, Julie và Ivy đã mang lại cho cả một thế hệ những nhà sáng tạo GoAnimate. Việc tái tạo goanimate voices text to speech từng đồng nghĩa với việc lùng sục các trang TTS cũ kỹ và hy vọng giọng nói phù hợp vẫn còn hoạt động trực tuyến. Ngày nay bạn có thể tái tạo âm thanh cổ điển đó—và đưa nó đi xa hơn nhiều—chỉ trong một nền tảng duy nhất.
DubSmart AI hợp nhất Chuyển văn bản thành giọng nói, Nhân bản giọng nói và Lồng tiếng AI vào một quy trình làm việc, để giọng điệu hoài niệm mà bạn muốn và độ phủ hiện đại mà bạn cần cùng tồn tại ở một nơi. Thay vì ghép nối các bộ tạo giọng nói ngẫu nhiên, bạn nhân bản hoặc chọn một giọng nói, tinh chỉnh cách phát âm của nó, và xuất âm thanh mà bạn có thể đưa thẳng vào trình chỉnh sửa hoạt hình của mình. Hướng dẫn này sẽ đi qua những giọng nói cũ đó thực sự là gì, tại sao bộ công cụ DubSmart là một cách thực tế để mô phỏng chúng, và làm thế nào các nhà sáng tạo, đội ngũ marketing và nhà phát triển có thể tạo ra cảm giác cartoon-TTS đặc trưng đó ở quy mô lớn.
Mục lục
- "Giọng GoAnimate" thực sự có nghĩa là gì
- Tại sao DubSmart là cách thực tế để có TTS kiểu GoAnimate
- Tái tạo âm thanh GoAnimate cổ điển trong DubSmart
- Các kênh kiểu GoAnimate đa ngôn ngữ với Lồng tiếng AI
- Quy trình API cho nhà phát triển và agency
- Các câu hỏi thường gặp
"Giọng GoAnimate" thực sự có nghĩa là gì
Khi mọi người tìm kiếm giọng GoAnimate, họ thường nghĩ về một danh mục cụ thể các giọng chuyển văn bản thành giọng nói chứ không phải một công cụ đơn lẻ. GoAnimate (sau này là Vyond) cho phép người dùng gán giọng tổng hợp cho các nhân vật, và qua nhiều năm nó đã dựa vào một số công cụ TTS—VoiceForge, Vocalware và Acapela trong số đó—tạo ra các giọng có tên như Brian, Eric, Julie, David và Ivy. Những cái tên đó tự bản thân trở thành các nhân vật dễ nhận biết trong cộng đồng, như được ghi lại trên trang chuyển văn bản thành giọng nói của GoAnimate Wiki.
Điều khiến những giọng này trở thành biểu tượng là giọng điệu của chúng: tổng hợp nhưng mang tính hoạt hình, thường hơi đơn điệu, và có nhịp điệu hoàn hảo cho các kịch bản "grounded" hài hước và lồng tiếng phản ứng. Cách phát âm là sản phẩm phụ của công nghệ TTS thời kỳ đầu, nhưng cộng đồng đã đón nhận nó như một dấu ấn phong cách chứ không phải một hạn chế.
Về mặt kỹ thuật, âm thanh đến từ một mẫu có thể dự đoán được: chọn một nhân vật, mở bảng thoại, chọn ngôn ngữ và giọng nói, gõ câu thoại và tạo clip. Tài liệu hiện tại của Vyond mô tả về cơ bản cùng một quy trình, khi bạn mở bảng Dialog, chọn ADD DIALOG → Text-to-Speech, chọn giọng nói, gõ văn bản và kích hoạt tạo bằng biểu tượng robot, sau đó tùy chọn điều chỉnh giọng điệu, tốc độ hoặc cao độ thông qua phần VOICE STYLE, như được nêu trong bài viết trợ giúp của Vyond về các clip chuyển văn bản thành giọng nói. Sự kết hợp giữa một menu giọng nói cố định cùng với các điều khiển cao độ và tốc độ chính là trái tim kỹ thuật của âm thanh GoAnimate.
Các hướng dẫn biên tập về chủ đề này mô tả cùng những thói quen mà các nhà sáng tạo đã phát triển: đăng nhập, mở một bộ chuyển đổi văn bản thành giọng nói, chọn một nhân vật, tìm hộp "Add Dialogue", và điều chỉnh các tham số trước khi tạo. Sự bền bỉ của nhu cầu đối với các quy trình này cho bạn biết một điều hữu ích—mọi người không chỉ theo đuổi một giọng cụ thể, họ đang theo đuổi một cảm giác. Một số muốn sự hoài niệm trung thực; số khác chỉ đơn giản muốn một âm sắc cartoon-robot mà họ có thể kiểm soát. Sự phân biệt đó rất quan trọng, vì nó thay đổi cách bạn nên tiếp cận việc tái tạo âm thanh.
Tại sao DubSmart là cách thực tế để có TTS kiểu GoAnimate
Lý do quy trình cũ có cảm giác mong manh là vì nó gắn liền với một môi trường hoạt hình duy nhất và một bộ công cụ bên thứ ba luân phiên. DubSmart có một cách tiếp cận khác bằng cách biến việc tạo giọng nói thành một khả năng độc lập mà bạn có thể áp dụng cho bất kỳ dự án nào. Ba công cụ làm phần việc nặng nhọc: Chuyển văn bản thành giọng nói, Nhân bản giọng nói và Lồng tiếng AI.
Công cụ Chuyển văn bản thành giọng nói của DubSmart cung cấp hơn 300 giọng AI nghe tự nhiên với khả năng tạo giọng nói chân thực và nhân bản giọng nói không giới hạn. Đối với một dự án kiểu GoAnimate, thư viện đó cho bạn một điểm khởi đầu khi bạn chỉ đơn giản muốn một nền tổng hợp mang tính hoạt hình mà bạn có thể uốn nắn về phía giọng điệu cổ điển. Bạn không bị khóa vào một menu nhỏ các giọng cũ; bạn chọn một âm sắc nghe hơi máy móc và định hình nó từ đó.
Khi bạn muốn nhiều hơn một giọng cartoon chung chung—khi bạn muốn xấp xỉ một nhân vật cũ cụ thể—việc nhân bản trở thành công cụ được lựa chọn. Tính năng Nhân bản giọng nói của DubSmart được xây dựng để nhân bản giọng nói từ chỉ 20 giây âm thanh, với khả năng nhân bản không giới hạn. Điều đó có nghĩa là bạn có thể lấy các đoạn tham chiếu ngắn, có nguồn gốc hợp pháp của giọng mà bạn muốn mô phỏng và biến chúng thành một hồ sơ giọng nói có thể tái sử dụng, thay vì bị mắc kẹt với bất cứ thứ gì một menu cố định cung cấp.
Các lợi thế thực tế nhanh chóng tích lũy:
- Một điểm khởi đầu giọng nói lớn. Với hơn 300 giọng, bạn thường có thể tìm thấy một nền đã nghiêng về tổng hợp và đơn điệu trước khi bạn chạm vào bất kỳ cài đặt nào.
- Nhân bản nhanh. Hai mươi giây âm thanh tham chiếu rõ ràng là một tiêu chuẩn thấp để xây dựng một giọng nhân vật tùy chỉnh mà bạn có thể tái sử dụng trên các kịch bản, meme và bình luận.
- Một lần xuất, nhiều mục đích sử dụng. Âm thanh được tạo ra có thể tải xuống, vì vậy nó đưa vào trình chỉnh sửa hoạt hình mà bạn chọn mà không buộc bạn phải sống trong một công cụ duy nhất.
- Một mô hình dựa trên tín dụng với gói miễn phí. Vì DubSmart sử dụng tín dụng có chuyển tiếp và cung cấp gói miễn phí, bạn có thể thử nhiều câu thoại ngắn kiểu GoAnimate và các đoạn hài trước khi cam kết với một gói lớn hơn.
Điểm cuối cùng đó quan trọng hơn nghe có vẻ. Nội dung kiểu GoAnimate phát triển mạnh nhờ số lượng—những lời quở trách ngắn, những câu phản ứng nhanh, những câu chuyện cười liên tục. Một mô hình cho phép bạn thử nghiệm với chi phí thấp phù hợp hơn một mô hình phạt việc lặp lại. DubSmart được mô tả là một nền tảng tạo và bản địa hóa truyền thông tất cả trong một được hơn 500.000 người dùng tin tưởng, và mục tiêu thiết kế của nó là giữ giọng nói, lồng tiếng và thậm chí cả hình ảnh trong một quy trình làm việc duy nhất chính là điều mà một nhà sáng tạo meme hoặc kênh có khối lượng lớn cần.
Một lưu ý trung thực: tên và vị trí chính xác của các điều khiển cao độ và tốc độ trong studio DubSmart tốt nhất nên được xác nhận ngay trong sản phẩm. Các công cụ TTS hiện đại thường cung cấp điều chỉnh tốc độ và cao độ, và các phần bên dưới giả định mẫu đó, nhưng bạn nên kiểm tra giao diện để biết tên điều khiển chính xác khi bạn ngồi xuống xây dựng.
Tái tạo âm thanh GoAnimate cổ điển trong DubSmart
Có hai con đường thực tế tùy theo mục tiêu của bạn: sự hoài niệm trung thực hoặc một giọng cartoon mới lấy cảm hứng từ thời đại đó. Cả hai đều hoàn toàn nằm trong DubSmart.
Con đường một: xấp xỉ một giọng cũ cụ thể
Bắt đầu với âm thanh tham chiếu. Thu thập khoảng 20 đến 60 giây âm thanh rõ ràng của giọng mà bạn muốn mô phỏng, lấy từ các dự án cũ của chính bạn hoặc từ các nguồn mà bạn có quyền sử dụng. Sự rõ ràng ở đây quan trọng hơn độ dài—nhạc nền, thoại chồng lên nhau và nén nặng đều làm suy yếu bản nhân bản.
Đưa đoạn clip đó vào Nhân bản giọng nói của DubSmart để xây dựng một hồ sơ giọng nói tùy chỉnh. Khi hồ sơ đã tồn tại, mở Chuyển văn bản thành giọng nói, chọn giọng đã nhân bản của bạn, và viết kịch bản đối thoại. Đây là nơi nhân vật GoAnimate hiện ra: viết theo cách mà những video đó viết, với những câu ngắn khẳng định, những lời quở trách nhanh, và lối kể chuyện tỉnh bơ.
Sau đó tinh chỉnh cách phát âm. Nhắm đến một cách đọc hơi đơn điệu, âm vực trung—dấu ấn của âm thanh cổ điển. GoAnimate và Vyond đều cho phép nhà sáng tạo điều chỉnh cao độ và tốc độ để định hình TTS của họ, và nguyên tắc tương tự áp dụng ở đây: đẩy nhịp độ về phía nhịp điệu nhanh nhẹn, đều đặn mà bạn nhớ, và điều chỉnh cao độ để giọng nói nằm trong khoảng máy móc dễ nhận biết đó thay vì nghe hoàn toàn giống con người. Cuối cùng, xuất âm thanh và đồng bộ nó với hoạt hình của bạn.
Con đường hai: xây dựng một giọng cartoon mới từ đầu
Nếu sự hoài niệm không phải là điểm chính và bạn chỉ muốn một giọng cartoon-robot có thể kiểm soát, bạn không cần bất kỳ tài liệu nguồn cũ nào cả. Ghi âm chính bạn hoặc một diễn viên lồng tiếng thể hiện theo phong cách cường điệu, hơi robot trong 20 đến 40 giây. Nhân bản bản ghi đó trong DubSmart, và giờ bạn sở hữu một giọng nhân vật có thể tái sử dụng hoàn toàn là của bạn.
Tạo kịch bản của bạn thông qua Chuyển văn bản thành giọng nói bằng giọng đó, tinh chỉnh cao độ và tốc độ cho nhịp điệu hài—những khoảng dừng ngắn trước câu chốt, phát âm nhanh hơn cho một lời mắng dồn dập, một cách đọc phẳng lặng hơn cho nhân vật nghiêm túc. Các hướng dẫn giọng GoAnimate chuyên biệt cho thấy rằng các nhà sáng tạo luôn dựa vào việc tinh chỉnh cao độ, tốc độ và âm lượng để định hình tính cách của một preset, và bản năng tương tự cũng phục vụ tốt cho bạn với một giọng đã nhân bản.
Một danh sách ngắn giữ cho quy trình được trung thực:
- Giữ âm thanh tham chiếu sạch và không có nhạc hoặc lời nói chồng lên nhau.
- Viết bằng những câu ngắn, sắc gọn phù hợp với nhịp điệu GoAnimate thay vì những đoạn văn dài.
- Điều chỉnh tốc độ trước, sau đó cao độ, nghe lại sau mỗi thay đổi.
- Lưu hồ sơ giọng đã nhân bản để mọi kịch bản trong tương lai đều dùng cùng một nhân vật.
- Xuất âm thanh và hoàn tất đồng bộ trong trình chỉnh sửa hoạt hình của bạn.
Vì nhân bản là không giới hạn, bạn có thể xây dựng một dàn diễn viên nhỏ—một giọng cho mỗi nhân vật—và giữ chúng nhất quán trong toàn bộ một series. Sự nhất quán đó thường là điều tách biệt một sự tưởng nhớ thuyết phục khỏi thứ chỉ nghe giống TTS chung chung.
Các kênh kiểu GoAnimate đa ngôn ngữ với Lồng tiếng AI
Đây là nơi một nền tảng hiện đại vượt lên trước quy trình ban đầu. Chuyển văn bản thành giọng nói của Vyond nằm trong môi trường hoạt hình riêng của nó, điều này ổn cho các dự án một ngôn ngữ nhưng hạn chế nếu bạn muốn phát triển khán giả vượt ra ngoài những người nói tiếng Anh. Nhiều nhà sáng tạo lớn lên với hài kịch GoAnimate giờ muốn kênh của họ vươn xa.
Công cụ Lồng tiếng AI của DubSmart được xây dựng để dịch và lồng tiếng video qua các ngôn ngữ trong khi tích hợp nhân bản giọng nói, để cùng một giọng nhân vật có thể mang từ ngôn ngữ này sang ngôn ngữ khác. DubSmart hỗ trợ lồng tiếng từ hơn 60 ngôn ngữ nguồn sang 33 ngôn ngữ đích, có nghĩa là giọng điệu "grounded" hoặc lồng tiếng meme mà bạn xây dựng bằng tiếng Anh có thể được tái tạo trong hàng chục ngôn ngữ khác mà không mất đi giọng nói dễ nhận biết.
Khả năng đó thay đổi phép tính sáng tạo. Một nhân vật gag liên tục không trở thành người lạ vào khoảnh khắc bạn bản địa hóa; hồ sơ giọng đã nhân bản đi cùng kịch bản. Đối với các nhà sáng tạo YouTube theo đuổi độ phủ quốc tế, các doanh nghiệp nhỏ sản xuất video giải thích được bản địa hóa, hoặc các đội e-learning cung cấp cùng một bài học cho nhiều thị trường, việc giữ một giọng nhân vật nhất quán qua các ngôn ngữ là một lợi thế có ý nghĩa so với việc ghi âm lại từ đầu ở mỗi thị trường.
Quy trình làm việc đơn giản về mặt khái niệm: xây dựng giọng đã nhân bản hoặc tổng hợp của bạn, tạo đối thoại ngôn ngữ gốc, sau đó chạy video nguồn qua Lồng tiếng AI để tạo ra các phiên bản đã dịch giữ nguyên cùng âm sắc. Bạn giữ nguyên bản sắc hài hước và chỉ thay đổi các từ ngữ. Đối với các nhà sáng tạo coi kênh của họ như một thương hiệu, tính liên tục đó đáng giá bằng chính sự hoài niệm.
Quy trình API cho nhà phát triển và agency
Các nhà sáng tạo có khối lượng lớn, các agency và đội ngũ sản phẩm thường cần nhiều hơn một giao diện studio—họ cần tạo âm thanh kiểu GoAnimate theo cách lập trình. DubSmart cung cấp các khả năng tương tự thông qua API dành cho nhà phát triển, cho phép bạn tích hợp việc tạo giọng nói vào một pipeline hiện có thay vì tạo clip bằng tay.
Các khối xây dựng ánh xạ gọn gàng với quy trình làm việc thủ công:
- Sử dụng API Nhân bản giọng nói của DubSmart để tải lên các mẫu âm thanh, tạo hồ sơ giọng nói và quản lý các ID giọng tùy chỉnh tương ứng với các nhân vật kiểu GoAnimate của bạn. Những giọng đó sau đó trở nên khả dụng trong Chuyển văn bản thành giọng nói hoặc Lồng tiếng AI.
- Sử dụng API Chuyển văn bản thành giọng nói để chuyển đổi khối lượng lớn văn bản—kịch bản, bản bình luận, tệp phụ đề—thành âm thanh bằng các giọng đã nhân bản đó, ở quy mô lớn và theo yêu cầu.
- Sử dụng API Lồng tiếng AI để tự động dịch và lồng tiếng các video đầu vào sang hơn 33 ngôn ngữ trong khi giữ nguyên giọng đã nhân bản trên mỗi ngôn ngữ.
Điều này phản ánh logic của các công cụ cổ điển, nơi một hành động "tạo" duy nhất biến một kịch bản đã gõ thành một clip được nói—chỉ khác là bây giờ hành động đó là một lệnh gọi API mà bạn có thể kích hoạt hàng nghìn lần. Một agency điều hành một mạng lưới các kênh meme có thể tạo hàng loạt đối thoại cho cả một lịch nội dung; một đội sản phẩm có thể cho phép người dùng cuối gõ một câu và nghe lại bằng một giọng nhân vật nhất quán; một đội bản địa hóa có thể đưa các tệp phụ đề thẳng vào âm thanh đã lồng tiếng.
Mô hình dựa trên tín dụng với tín dụng chuyển tiếp giữ cho điều này dễ tiếp cận với các đội nhỏ hơn. Bạn không bị buộc phải cam kết doanh nghiệp nặng nề chỉ để thử nghiệm một tích hợp, và các tín dụng chưa sử dụng được chuyển tiếp thay vì biến mất. Các gói doanh nghiệp tồn tại cho các đội vượt qua các cấp độ tiêu chuẩn, nhưng lối vào được thiết kế nhẹ nhàng có chủ đích.
Nếu quá trình sản xuất của bạn cũng cần hình ảnh, cùng một tài khoản cho bạn một con đường ở đó. Bạn có thể tạo ra các nhân vật và nền đơn giản bằng bộ tạo hình ảnh AI của DubSmart và biến nghệ thuật tĩnh thành các clip ngắn bằng công cụ Chuyển hình ảnh thành Video của DubSmart, sau đó xếp lớp các phần lồng tiếng kiểu GoAnimate của bạn lên trên. Điều đó giữ toàn bộ pipeline—hình ảnh, chuyển động, giọng nói và bản địa hóa—trong một hệ sinh thái duy nhất.
Các câu hỏi thường gặp
Chính xác thì giọng GoAnimate là gì, và DubSmart có thể sao chép chúng không?
Giọng GoAnimate là các giọng chuyển văn bản thành giọng nói có tên—Brian, Eric, Julie, Ivy và những giọng khác—mà GoAnimate và Vyond cung cấp thông qua nhiều công cụ TTS khác nhau qua nhiều năm, như được ghi lại trên GoAnimate Wiki. DubSmart không cung cấp các preset chính thức được đặt tên theo những giọng cũ đó. Thay vào đó, nó cho phép bạn xấp xỉ âm thanh bằng cách nhân bản các đoạn tham chiếu có nguồn gốc hợp pháp hoặc phần thể hiện của chính bạn và sau đó tinh chỉnh cao độ và tốc độ. Trước khi nhân bản bất kỳ giọng của bên thứ ba nào, hãy xem lại các điều khoản nền tảng áp dụng và bất kỳ quyền nào áp dụng; cách tiếp cận an toàn nhất là nhân bản các giọng mà bạn sở hữu hoặc được phép mô phỏng.
Tôi có cần các dự án GoAnimate gốc để tái tạo giọng nói không?
Không. Nếu bạn có các clip cũ của riêng mình, chúng có thể dùng làm âm thanh tham chiếu để nhân bản. Nhưng bạn cũng có thể xây dựng một giọng cartoon mới từ đầu bằng cách ghi âm chính bạn hoặc một diễn viên lồng tiếng theo phong cách cường điệu, hơi robot và nhân bản giọng đó. Nhiều nhà sáng tạo thích con đường này hơn vì giọng nói tạo ra hoàn toàn là của họ và tránh được bất kỳ câu hỏi nào về tài liệu nguồn.
Tôi cần bao nhiêu âm thanh để nhân bản một giọng kiểu GoAnimate trong DubSmart?
Nhân bản giọng nói của DubSmart được thiết kế để hoạt động từ chỉ 20 giây âm thanh. Các mẫu sạch hơn cho kết quả tốt hơn, vì vậy hãy nhắm đến một clip không có nhạc nền, lời nói chồng lên nhau và nén nặng. Sau khi nhân bản, giọng nói trở nên có thể tái sử dụng trên bất kỳ số lượng kịch bản nào bạn muốn.
Tôi có thể sử dụng các giọng kiểu GoAnimate của DubSmart bằng các ngôn ngữ khác không?
Có. DubSmart hỗ trợ lồng tiếng từ hơn 60 ngôn ngữ nguồn sang 33 ngôn ngữ đích, và nhân bản giọng nói được tích hợp vào Lồng tiếng AI. Điều đó có nghĩa là bạn có thể giữ cùng một giọng nhân vật trong khi dịch đối thoại của mình, để một series có thể chạy bằng tiếng Anh cùng nhiều ngôn ngữ khác mà không mất đi giọng điệu dễ nhận biết của nó.
Có cách nào miễn phí để thử TTS kiểu GoAnimate trong DubSmart không?
DubSmart cung cấp một gói miễn phí bên cạnh mô hình định giá dựa trên tín dụng của mình, và các tín dụng được chuyển tiếp thay vì hết hạn. Điều này giúp thực tế để thử nghiệm với các câu thoại ngắn, thử các giọng nền khác nhau và tinh chỉnh cài đặt cao độ và tốc độ trước khi cam kết với một gói lớn hơn.
Các nhà phát triển tích hợp giọng kiểu GoAnimate vào ứng dụng của họ như thế nào?
Các nhà phát triển có thể sử dụng API Nhân bản giọng nói để tạo và quản lý các ID giọng tùy chỉnh, API Chuyển văn bản thành giọng nói để tạo âm thanh từ văn bản ở quy mô lớn bằng các giọng đó, và API Lồng tiếng AI để dịch và lồng tiếng video trong khi giữ nguyên giọng đã nhân bản. Cùng nhau, chúng cho phép các agency và đội sản phẩm sản xuất nội dung kiểu GoAnimate theo cách lập trình thay vì từng clip một.
Âm thanh cổ điển chưa biến mất—nó chỉ cần một ngôi nhà tốt hơn. Nếu bạn muốn tái tạo cảm giác cartoon-TTS đó và mang lại cho nó độ phủ hiện đại, bước khởi đầu nhanh nhất là nhân bản một giọng nói và tạo những câu thoại đầu tiên của bạn, sau đó quyết định xem bạn muốn giữ nó trong một ngôn ngữ hay gửi nó ra khắp thế giới.