使用文檔
繁體中文
搜尋文件⌘K
5.2

語音合成

把一段文字念成聲音,是 AI 影片配音最常做的事。在 DOTV 裡只要選中一個還空著的音訊節點,下面浮出輸入欄:寫要念的話、挑一個音色、點發送。這一節講輸入欄上每一項是什麼、語速 / 聲調 / 音量那一整塊參數怎麼調,以及出片之後能拿它做什麼。

輸入欄上有什麼

音訊輸入欄中間寫要念的文字,下面一列是型號與音色,右邊是參數設定那顆齒輪與字數。
中間寫要念的文字,下面一列是型號與音色,右邊是參數與字數。
  • 要念的文字 —— 直接寫。裡面可以插停頓與語氣詞(見 5.5)。這一欄合成的是純文字,所以不認 @ 引用 —— 引來的東西只會被原樣念出來。
  • 型號 —— 兩檔:Minimax-speech-2.8-hd(預設,更穩)與 Minimax-speech-2.8-turbo(更快)。
  • 音色 —— 那顆帶切換圖示的膠囊,點開是音色選擇彈窗(見 5.3)。
  • 參數設定 —— 右邊那顆齒輪,展開是語速 / 聲調 / 音量那一整塊(見下)。
  • 字數 —— 齒輪右邊寫著「N/10000」。一次最多念 10000 字。
  • ⚡ 與傳送 —— 語音合成按字數計價,所以那個數會跟著你打字變。

參數設定

三塊:基礎調節、音色效果調節、音效。
分區 有什麼 範圍
基礎調節 語速 0.5 ~ 2,預設 1
聲調 −12 ~ 12,預設 0
音量 0.1 ~ 10,預設 1
音色效果調節 音高、強度、音色調節 各 −100 ~ 100,預設 0
音效 無 / 空曠回音 / 禮堂廣播 / 電話失真 / 電音 預設無
  • 每一列都是「滑桿 + 數字框」,兩者同一個值,想精確對某個數就直接輸。
  • 兩個分區各自可以摺疊。右上角一鍵重置把全部參數(含音效)還原成預設。
  • 面板裡還有一項語種:預設自動判定,也可以釘成中文 / 粵語 / 英語 / 日語…… 挑了帶口音的音色時它會自動跟著調過去 —— 只換音色不換語種,模型會拿粵語音色去念中文。

出片之後

  • 卡片上的波形就是這段聲音,點一下就地播(見 5.1)。
  • 想改:選中節點,輸入欄還在,改完文字或參數再發一次就是重念一遍,新的替換舊的。
  • 只想動已經念好的這一段(剪掉一截、快一點),不必重念 —— 走截取與變速(見 5.6)。
在 DOTV 裡試試讀完不如直接上手:開啟 DOTV,用這一節講的功能做一條 AI 影片。