वॉइस क्लोनिंग
वॉइस क्लोनिंग
जानें कि हमारे बेहतरीन मॉडलों से अपनी वॉइस को कैसे क्लोन करें।
परिचय
वॉइस क्लोन करने के लिए दो मुख्य विकल्प हैं: इंस्टेंट वॉइस क्लोनिंग और प्रोफेशनल वॉइस क्लोनिंग। इंस्टेंट वॉइस क्लोनिंग आपकी वॉइस क्लोन करने का तेज़ और आसान तरीका है, जबकि प्रोफेशनल वॉइस क्लोनिंग ज़्यादा सटीक और कस्टमाइज़ करने योग्य विकल्प है।
इंस्टेंट वॉइस क्लोनिंग
इंस्टेंट वॉइस क्लोनिंग से आप छोटे सैंपल से लगभग तुरंत वॉइस क्लोन बना सकते हैं। इंस्टेंट वॉइस क्लोन (IVC) बनाने पर कोई कस्टम AI मॉडल ट्रेन या तैयार नहीं किया जाता। इसके बजाय, यह सटीक वॉइस पर ट्रेनिंग करने की जगह ट्रेनिंग डेटा से मिले पहले के ज्ञान के आधार पर अनुमान लगाता है।
यह बहुत-सी वॉइसेस के लिए बेहद अच्छी तरह काम करता है। हालांकि, IVC की सबसे बड़ी सीमा तब होती है, जब आप किसी बहुत अनोखी वॉइस या ऐसे एक्सेंट वाली वॉइस को क्लोन करना चाहते हैं जिसका AI ने ट्रेनिंग के दौरान व्यापक रूप से अनुभव नहीं किया हो। ऐसे मामलों में, स्पष्ट ट्रेनिंग के साथ कस्टम मॉडल बनाने के लिए प्रोफेशनल वॉइस क्लोनिंग इस्तेमाल करना सबसे अच्छा विकल्प हो सकता है।
प्रोफेशनल वॉइस क्लोनिंग
प्रोफेशनल वॉइस क्लोनिंग हमारी Creator योजना या उससे ऊपर की योजनाओं में उपलब्ध सुविधा है। प्रोफेशनल वॉइस क्लोनिंग से आप बड़े वॉइस डेटा सेट पर समर्पित मॉडल ट्रेन करके अपनी वॉइस का ज़्यादा वास्तविक मॉडल तैयार कर सकते हैं। इससे बना मॉडल मूल वॉइस से लगभग अलग नहीं पहचाना जा सकता।
कस्टम मॉडल को फाइन-ट्यूनिंग और ट्रेनिंग की ज़रूरत होती है, इसलिए PVC को ट्रेन करने में IVC की तुलना में ज़्यादा समय लगता है। आमतौर पर फाइन-ट्यूनिंग पूरी होने में 3-6 घंटे लगते हैं, लेकिन फाइन-ट्यूनिंग की कतार में मौजूद दूसरे PVC की संख्या के आधार पर कभी-कभी इसमें थोड़ा ज़्यादा समय लग सकता है।
ऑडियो रिकॉर्डिंग के लिए शुरुआती गाइड
अगर आप ऑडियो रिकॉर्डिंग में नए हैं, तो शुरुआत करने के लिए यहां कुछ सुझाव दिए गए हैं।
रिकॉर्डिंग की जगह
ऑडियो रिकॉर्ड करते समय, उपयुक्त जगह चुनें और कमरे की गूंज/रीवरब को कम करने की व्यवस्था करें। इसलिए, हमें कमरे को जितना संभव हो सके उतना “डेड” बनाना है। ध्वनिक रूप से ट्रीट किया गया वोकल बूथ इसी काम के लिए होता है। अगर आपके पास वोकल बूथ उपलब्ध नहीं है, तो आप DIY वोकल बूथ, “कंबल का किला” या अलमारी जैसे कुछ विकल्प आज़मा सकते हैं।
DIY ध्वनिक व्यवस्था के कुछ YouTube उदाहरण यहां दिए गए हैं:
- मैंने $0.00 में वोकल बूथ बनाया!
- खराब कमरे में अच्छी वोकल्स कैसे रिकॉर्ड करें
- वोकल होम रिकॉर्डिंग के 5 बेहतरीन टिप्स!
माइक्रोफ़ोन, पॉप-फ़िल्टर और ऑडियो इंटरफ़ेस
एक अच्छा माइक्रोफ़ोन बहुत ज़रूरी है। माइक्रोफ़ोन की कीमत $100 से $10,000 तक हो सकती है, लेकिन ज़्यादातर वॉइसओवर काम के लिए $150 से $300 का प्रोफेशनल XLR माइक्रोफ़ोन पर्याप्त है।
किफायती लेकिन उच्च-गुणवत्ता वाले वॉइसओवर सेटअप के लिए, Focusrite इंटरफ़ेस के साथ Audio-Technica AT2020 या Rode NT1 microphone पर विचार करें। $300 से $500 की कीमत वाला यह सेटअप प्रोफेशनल उपयोग के लिए उपयुक्त उच्च-गुणवत्ता रिकॉर्डिंग देता है और साफ़ नतीजों के लिए इसमें सेल्फ़-नॉइज़ बहुत कम होता है।
रिकॉर्डिंग करते समय माइक्रोफ़ोन के सामने सही पॉप-फ़िल्टर लगाना पक्का करें, ताकि प्लोसिव, सांस और हवा सीधे डायफ्राम/माइक्रोफ़ोन से न टकराएं। वरना आवाज़ खराब लगेगी और क्लोनिंग प्रक्रिया में भी समस्या आएगी।
डिजिटल ऑडियो वर्कस्टेशन (DAW)
कई अलग-अलग रिकॉर्डिंग समाधान उपलब्ध हैं, जो एक ही काम करते हैं: ऑडियो रिकॉर्ड करना। हालांकि, वे सभी समान नहीं हैं। जब तक वे कम से कम 24 बिट्स की बिटरेट के साथ 44.1kHz या 48kHz पर WAV फ़ाइलें रिकॉर्ड कर सकते हैं, वे ठीक रहेंगे। आपको किसी फैंसी पोस्ट-प्रोसेसिंग, प्लगइन, डीनॉइज़र या किसी और चीज़ की ज़रूरत नहीं है, क्योंकि हम ऑडियो रिकॉर्डिंग को सरल रखना चाहते हैं।
अगर आप कोई सुझाव चाहते हैं, तो हम REAPER जैसा विकल्प सुझाएंगे, जो बेहद लचीला शानदार DAW है। यह बहुत-से ऑडियो कामों के लिए इंडस्ट्री स्टैंडर्ड है। एक और अच्छा मुफ़्त विकल्प Audacity है।
डिजिटल डिस्टॉर्शन और अत्यधिक नॉइज़ से बचने के लिए रिकॉर्डिंग लेवल को सही रखें—न बहुत तेज़, न बहुत धीमा। वॉइसओवर काम के लिए -6 dB से -3 dB की पीक और -18 dB की औसत लाउडनेस रखें, ताकि नॉइज़ फ़्लोर कम करते हुए स्पष्टता बनी रहे। प्रोजेक्ट और रिकॉर्डिंग वातावरण के आधार पर सर्वोत्तम परिणामों के लिए ध्यान से मॉनिटर करें और ज़रूरत के मुताबिक लेवल समायोजित करें।
पोज़िशनिंग
एक उपयोगी नियम है कि माइक्रोफ़ोन से लगभग दो मुट्ठी, यानी लगभग 20cm (7-8 in) की दूरी रखें और आपके व माइक्रोफ़ोन के बीच पॉप फ़िल्टर हो। कुछ लोग पॉप फ़िल्टर को पूरी तरह पीछे रखना पसंद करते हैं, ताकि वे उसे सीधे उसके साथ सटा सकें। इससे उन्हें माइक्रोफ़ोन से एक जैसी दूरी बनाए रखने में आसानी होती है।
माइक्रोफ़ोन में सीधे सांस जाने या प्लोसिव आवाज़ों से बचने का एक और आम तरीका है कि कोण बनाकर बोला जाए। कोण बनाकर बोलने से सांस छोड़ते समय निकलने वाली हवा के सीधे माइक्रोफ़ोन से टकराने की संभावना कम हो जाती है और वह उसके पास से निकल जाती है।
प्रदर्शन
आपका प्रदर्शन इस पूरी रिकॉर्डिंग सेशन के सबसे महत्वपूर्ण पहलुओं में से एक है। AI आपकी वॉइस से जुड़ी हर चीज़ को अपनी सर्वोत्तम क्षमता से क्लोन करने की कोशिश करेगा, और उसकी क्षमता बहुत अधिक है। इसका मतलब है कि यह आपकी बोलने की लय, टोनैलिटी, प्रदर्शन शैली, आपके रुकने की अवधि, आपका हकलाना, गहरी सांसें लेना, सांस वाली आवाज़ में बोलना या बहुत ज़्यादा “उम्” और “आह” कहना—इन सबको दोहराने की कोशिश करेगा; यह उन्हें भी दोहरा सकता है। इसलिए, ऑडियो फ़ाइल में हमें ठीक वैसा ही प्रदर्शन और वॉइस चाहिए जिसे हम क्लोन करना चाहते हैं, न कम न ज़्यादा। यही वजह है कि ऐसा स्क्रिप्ट ढूंढना काफी ज़रूरी है जिसे आप पढ़ सकें और जो उस टोनैलिटी से मेल खाता हो जिसका हम लक्ष्य रख रहे हैं।
AI के लिए रिकॉर्डिंग करते समय एकरूपता बनाए रखना बहुत ज़रूरी है। अगर आप कोई वॉइस रिकॉर्ड कर रहे हैं, तो उसे पूरे समय बहुत अभिव्यक्तिपूर्ण रखें या पूरे समय बहुत शांत रखें; आप दोनों को मिला नहीं सकते, वरना AI अस्थिर हो सकता है क्योंकि उसे समझ नहीं आएगा कि वॉइस का कौन-सा हिस्सा क्लोन करना है। एक्सेंट के साथ भी यही बात लागू होती है—पूरी रिकॉर्डिंग में वही एक्सेंट रखें। सही क्लोन के लिए एकरूपता ज़रूरी है!
