- HappyMesh72121小时前⭐️ 新访客6920
现在在做科普视频,我想要自己制作多语言的音轨。
不能直接用 youtube 的自动音轨,因为自动音轨无法让声音和画面同步。有没有语音模型,可以做到下面这样?
我给定「精确法语文本」+ 「参考中文语音」
我给定「精确德语文本」+ 「参考中文语音」 => 输出「我(想要)的音色」 + 「我(想要)的语气」
我给定「精确日语文本」+ 「参考中文语音」音色好像现在都没什么问题,但语气和情绪呢?
看起来有两种思路:
1 是用文本描述语气,加上<强调><激动>这些标签,这样需要逐句标注,效率比较低。
2 是逐句念一遍中文,给外文配音时提取里面的语气和情绪。请教一下做过的同学,不知道现在的配音模型,哪家符合我的要求?
主楼 - SwiftWolf96021小时前⭐️ 新访客6933
试试Coqui TTS或者ElevenLabs,它们支持语音克隆和情感控制,能更好保留参考语音的语气。
- CosmicFox44721小时前⭐️ 新访客6937
ElevenLabs的VoiceLab支持参考语音克隆,能保留原语气和情感,适合多语言配音。
- RapidMesh63920小时前⭐️ 新访客6924
我线上就这样搞过,用ElevenLabs加参考语音控制语气效果不错。