"Kendi sesimi klonlamak için ücretli aboneliğe geçtim ancak...
Neden ses bu kadar boğuk ve yapay geliyor?"
Merhaba. Burası Sonetho. ⚡
Son zamanlarda paylaştığımız içerikleri görüp Professional Voice Cloning (PVC) dünyasına adım atan içerik üreticilerinin sayısı bir hayli arttı.
Ancak ne yazık ki sonuçtan memnun kalmayanlardan sıkça geri bildirim alıyoruz.
Net bir şekilde ifade edeyim: Sorun sizin sesinizde değil.
Sorun, 'eğitim verisinde (okuduğunuz metinlerde)'.
1. Yapay zeka, 'ne verirseniz' onu öğrenir
Birçok kişi AI modelini eğitirken rastgele bir kitap veya makale seçip okumaya başlıyor. Romanlar, haberler... Kulağa mantıklı geliyor, değil mi?
Ancak burada kritik bir zayıf nokta var.
- Sayılar ve Birimlerin Telaffuzu: "120 mmHg" değerini nasıl okuyacak? AI bunu doğru telaffuz etmeyi öğrenemezse, her sayı geçtiğinde takılmaya başlar.
- Özel Kısaltmalar: "ISO 9001" kısaltmasını nasıl okumalı? "İzo" mu, yoksa "I-S-O" mu? Net bir veri girişi olmazsa, AI bunu tahmin ederken hata yapar.
- Veri Kalitesi: PVC oluşturmak için 30 dakikalık ses verisi teknik olarak yeterli olsa da, kaliteyi belirleyen asıl şey veri setinizin çeşitliliği ve metinlerin tutarlılığıdır.
- Tonlama Uyumsuzluğu: AI'ya sadece ciddi haber metinleri okutursanız, duygusal bir konuşma yapmasını istediğinizde bile haber spikeri tonunda kalacaktır. (Sonuç maalesef doğal olmaz.)
[Sonetho: Özel Hazırlanmış Eğitim Metinleri]
Toplam 1-2 saatlik seslendirmeye uygun kapsamlı metin setleri
"İyi girdi (Input) = İyi ses çıktısı (Output)."
Bu, yapay zeka dünyasının değişmez kuralıdır.
2. Sonetho'nun hazırladığı 'Eğitim Metinleri'
İşte tam da bu yüzden bu metinleri özel olarak hazırladık. İnternetten kopyalanmış rastgele metinler değil.
AI modellerini test ederken en çok zorlandığı 'uç durumları' (Edge Cases) analiz ettik ve bunları bizzat biz tasarladık.
📜 Sonetho Gizli Metinlerinin Özellikleri
- Doğal Telaffuz Kılavuzu: Kafa karıştırıcı birimlerin yanına nasıl okunması gerektiğini ekledik.
Örn: 120 mmHg (yüz yirmi milimetre cıva) - Geniş Tür Yelpazesi: Roman (duygusal), haber (bilgi), bilimsel makaleler (teknik terimler) ile tüm tonlamaları kapsar.
- Özel Karakterler: @, #, % gibi sembollerin doğru okunması için optimize edilmiş cümle yapıları.
Bu metinlerle 30 dakika ila 3 saat arasında kaliteli bir ses kaydı alırsanız,
AI modeliniz her cümleyi doğal ve akıcı bir şekilde seslendiren bir 'Yüksek Kaliteli PVC' haline gelir.
3. Metinlere erişim ve kullanım
Bu materyalleri Sonetho takipçileri için ücretsiz olarak paylaşıyoruz.
Çok geniş bir içerik olduğu için ayrı bir sayfa olarak düzenledik.
Aşağıdaki butona tıklayarak metinleri inceleyebilir ve hemen kayda başlayabilirsiniz.
Küçük bir hatırlatma: Starter planında maalesef 'Professional Voice Cloning (PVC)' özelliği bulunmuyor.
Creator planı ve üzerindeki paketlerde 1 adet PVC oluşturabilir ve bu profesyonel sonuçlara ulaşabilirsiniz!
❓ Sıkça Sorulan Sorular (FAQ)
Q1. PVC sonuçları neden mırıldanıyor ve yapay duruyor? Sorun sesimde mi?
A. Sorun sesinizde değil, eğitim verisinde yani senaryoda olma ihtimali çok yüksektir.
Yapay zeka kendisine ne öğretilirse onu öğrenir.
Rastgele bir roman veya haber metni okutursanız, sayıları, birimleri ve İngilizce kısaltmaları öğrenme fırsatı olmaz.
Bu nedenle, sonraki aşamalarda bu tür ifadelerle karşılaştığında takılır.
Q2. Rastgele kitaplar okutmanın ne gibi sorunları var?
A. Dört ana eksiklik oluşur.
Birincisi, sayılar ve birimlerdir. '120mmHg' ifadesinin nasıl okunacağını öğrenemez.
İkincisi, İngilizce kısaltmalardır. AI, 'ISO 9001' ifadesinin nasıl okunacağını bilmez.
Üçüncüsü, veri miktarıdır. En az 30 dakikalık kayıtla işlem yapılabilir ancak veri miktarı arttıkça kalite yükselir.
Dördüncüsü, ton ve üsluptur. Sadece resmi haber metinleri okutulursa, duygusal bir metin okuması istendiğinde bile haber spikeri tonunda üzgün bir ses çıkarır.
Q3. Eğitim senaryolarının farkı nedir?
A. AI'nın kafasını karıştırabilecek noktaları özel olarak tasarladık.
Kafa karıştıran birimlerin yanına okunuşlarını ekledik. Örneğin, 120mmHg yanında yüz yirmi milimetre cıva şeklinde yazılması gibi.
Roman, haber ve bilimsel metinleri harmanlayarak farklı ton ve üslupları birlikte öğrenmesini sağlıyoruz.
Et işareti (@), diyez (#) ve yüzde (%) gibi özel karakterlerin okunuşlarını da dahil ettik.
Q4. Ne kadar kayıt yapmalıyım?
A. 30 dakika ile 3 saat arasında kaliteli bir kayıt yeterli olacaktır.
Senaryolarımız toplam 1-2 saatlik seslendirme süresi için hazırlanmıştır.
Daha fazla veri girişi, kaliteyi artıracaktır.
Q5. Starter planı ile yapabilir miyim?
A. Starter planında ses kopyalama (PVC) özelliği kullanılamaz.
PVC oluşturmak ve kullanmak için Creator planına geçmeniz gerekir.
Teşekkürler.
Sonetho ⚡