Cara membuat suara/narasi AI

Halaman ini berisi tautan afiliasi.

Buatlah tarian INMU KING dari satu foto →

Daftar isi
  1. Apa yang dapat Anda lakukan dengan suara AI
  2. Adegan saat pembuat video menggunakan audio AI
  3. Alur penggunaan ElevenLabs
  4. Tips agar terdengar natural
  5. Bisakah saya menggunakannya untuk tujuan komersial?
  6. Buat tidak hanya audio AI tetapi juga "subtitle" sebagai satu set
  7. Saat menggunakan AI bahkan suara nyanyian di MV
  8. Daftar periksa sebelum penggunaan sebenarnya
  9. Contoh kombinasi dengan video AI
  10. Baca artikel selanjutnya
  11. Bahan referensi

Meski hanya videonya yang dibuat dengan AI, namun jika narasi dan dialognya mekanis, maka akan langsung terlihat seperti sebuah produk. Suara AI telah mencapai tahap di mana membaca teks tidak hanya dimungkinkan menggunakan TTS, tetapi juga menyesuaikan gaya bicara, emosi, dan kecepatan, menyesuaikan panjang pidato di Studio, dan menjadikannya multibahasa. Proses ini sangat efektif untuk sandiwara video musik, video penjelasan, video pendek, dan pengenalan karakter.

Apa yang dapat Anda lakukan dengan suara AI

Yang paling mendasar adalah Text to Speech, yaitu kemampuan untuk membuat audio dari teks. Masukkan skrip, pilih suara, dan kirimkan audio yang dihasilkan ke perangkat lunak pengeditan video Anda. Selain sekadar membaca dengan suara keras, tergantung layanannya, Anda juga dapat menginstruksikan pengguna untuk mengekspresikan ekspresi seperti tertawa, berbisik, atau berbicara dengan penuh semangat.

Selain itu, ada Speech to Speech yang mengubah suara dan pertunjukan yang ada ke nada yang berbeda, Studio yang mengatur banyak suara untuk mempersiapkan karya yang panjang, serta dubbing dan pelokalan ke bahasa lain. Karena bahasa yang didukung dan metode penentuan akting berbeda-beda bergantung pada modelnya, kami akan membuat skrip Jepang singkat untuk memeriksa cara membacanya.

Situasi ketika pembuat video menggunakan suara AI

1. Narasi penjelasan

Untuk video seperti cara membuat video AI, berita, ranking, dan perkenalan produk, cek bacaan dan volumenya agar bisa mendengar penjelasannya. Kekuatan suara AI adalah Anda dapat membuat ulang suara tersebut segera setelah memodifikasi skrip tanpa harus merekamnya sendiri setiap kali.

2. Garis karakter

Ini dapat digunakan untuk memasukkan sandiwara sebelum dan sesudah video musik, karakter yang mengucapkan beberapa kata, atau beberapa orang yang sedang mengobrol. Dengan menetapkan suara yang sama ke karakter yang sama, Anda dapat memusatkan perhatian pada orang tersebut tidak hanya pada gambarnya tetapi juga pada suaranya.

3. Sulih suara luar negeri

Setelah membuat versi Jepang, jika Anda ingin memperluasnya ke bahasa Inggris, Mandarin, dll., mengubah tidak hanya subtitle tetapi juga audio akan sangat mengubah pengalaman menonton. Khususnya dengan Shorts dan TikTok, pengguna dapat meninggalkan situs sebelum membaca teks di layar, sehingga pelokalan audio mungkin efektif.

4. Narasi sementara

Pada akhirnya, bahkan untuk video yang menggunakan narator manusia, AI dapat digunakan sebagai suara sementara selama tahap pengeditan. Anda dapat memutuskan panjang naskah, panjang potongan, dan posisi subtitle sebelum merekam rekaman sebenarnya, sehingga mengurangi pengerjaan ulang selama pengeditan.

Cara menggunakan ElevenLabs

Masukkan skrip Anda, pilih suara di Text to Speech dan hasilkan. Mulailah dengan satu kalimat saja. Lanjutkan hanya setelah suara dan pengiriman berhasil. Memisahkan skrip berdasarkan paragraf atau baris memungkinkan Anda membuat ulang hanya bagian yang gagal.

Kuncinya adalah mengubah skrip agar dapat dibacakan. Jika Anda membaca teks artikel web apa adanya, kalimatnya akan terlalu panjang atau terlalu banyak tanda kurung sehingga sulit untuk dipahami. Persingkat setiap kalimat dan ubah pembacaan angka dan karakter alfabet menjadi hiragana atau katakana seperlunya.

Di sisi pengeditan video, disarankan untuk meletakkan audio terlebih dahulu di timeline, lalu mencocokkannya dengan video. Orang cenderung merasa tidak nyaman jika suaranya terpotong secara tidak wajar, jadi kami menentukan dulu interval narasinya lalu mengatur video dan gambar AI di antara keduanya.

Tips agar terdengar natural

Mengubah kalimat dari “kata-kata tertulis” menjadi “kata-kata lisan”

Hindari menjejalkan banyak topik ke dalam satu kalimat, dan buatlah kalimat yang cukup panjang agar pendengar dapat memahami jedanya. Misalnya, "Setelah membuat suara, buat subtitle dan sesuaikan volumenya" dapat dibagi menjadi "Setelah suara dibuat, tambahkan subtitle. Terakhir, sesuaikan volumenya."

Gunakan tanda baca sebagai petunjuk arah

Koma dan tanda baca mempengaruhi antar bunyi. Memecah kata-kata penting menjadi kalimat yang lebih pendek akan membuatnya lebih mudah didengar. Bergantung pada model generatifnya, Anda dapat menggunakan tag suara dan ekspresi emosional, sehingga Anda dapat meningkatkan akting Anda hanya dalam adegan yang diperlukan.

Jangan memberikan ketegangan yang sama pada semuanya

Kalau video pendek berdurasi 30 detik, bisa ditekan dengan paksa, tapi kalau ngomong beberapa menit dengan video penjelasan, nanti capek kalau teriak terus. Lakukan perubahan sesuai situasi, seperti membuat pendahuluan sedikit lebih kuat, penjelasan lebih tenang, dan kesimpulan lebih kuat lagi.

Jangan berpikir bahwa audio saja sudah lengkap.

Jika Anda menyertakan musik latar belakang, suara lingkungan, dan efek suara saat mengedit, ketidaknyamanan pada suara Anda akan berkurang. Efektif juga untuk menyamakan volume menggunakan kompresor atau EQ. Kami tidak hanya menyesuaikan kualitas audio AI tetapi juga "suara keseluruhan video".

Bisakah itu digunakan secara komersial?

ElevenLabs menginformasikan di halaman resminya bahwa Paket berbayar mencakup hak untuk menggunakan audio yang dihasilkan secara komersial. Contohnya termasuk video YouTube, podcast, iklan, buku audio, film, game, dan aplikasi. Di sisi lain, paket gratis ditujukan untuk penggunaan pribadi dan non-komersial serta memerlukan atribusi.

Izin penggunaan komersial bukan berarti izin untuk secara bebas memperbanyak suara orang lain. Penggunaan seperti mengkloning suara orang lain tanpa izin, atau membuat konten yang tidak diucapkan oleh selebriti seolah-olah diucapkan oleh selebriti itu sendiri, tunduk pada hak dan syarat dan ketentuan lainnya.

Aturan dasarnya adalah menggunakan materi yang hak penggunaannya jelas bagi Anda, seperti suara Anda sendiri, karakter perusahaan, dan artis berlisensi. Saat menggunakannya dalam iklan, sangat penting untuk menghindari ekspresi yang ``tampaknya didukung oleh orang yang bersangkutan.''

Buat tidak hanya suara AI tetapi juga “subtitle” sebagai satu set

Setelah audio selesai, kami membuat subtitle berdasarkan audio tersebut. Lebih mudah membaca subtitle di smartphone jika Anda memotongnya menjadi satu atau dua baris daripada menampilkan keseluruhan teks apa adanya. Dengan menampilkan suara dan subtitle secara bersamaan, Anda juga dapat mendukung penayangan senyap.

Untuk pengembangan multibahasa, ada juga metode untuk mengekspor audio Jepang, audio Inggris, dan audio Mandarin sebagai video terpisah. Jika video dapat dibagikan, video AI yang dibuat satu kali dapat digunakan kembali di berbagai pasar. Namun, lelucon budaya dan meme internet kehilangan maknanya ketika diterjemahkan secara harfiah, sehingga diperlukan ``pengungkapan ulang secara lokal'' daripada penerjemahan.

Saat menggunakan AI bahkan suara nyanyian di MV

Narasi dan nyanyian adalah dua hal yang berbeda. Jika kami ingin membuat musik sendiri menggunakan AI, kami akan menggunakan layanan pembuatan musik seperti Suno, dan untuk dialog dan narasi kami akan menggunakan ElevenLabs. Paket berbayar Suno memberi Anda hak penggunaan komersial untuk lagu Anda sendiri yang Anda unduh dengan izin, namun ketentuannya berbeda untuk lagu gratis dan Remix orang lain.

Menggabungkan beberapa layanan seperti ``Suno untuk musik, ElevenLabs untuk dialog, Runway atau Veo untuk video, dan Premiere untuk penyelesaian akhir'' akan menjadi struktur alami untuk produksi MV AI pada tahun 2026.

Daftar periksa sebelum penggunaan sebenarnya

  • Jika Anda ingin memonetisasi, sudahkah Anda memeriksa persyaratan penggunaan komersial paket berbayar?
  • Apakah Anda sudah memastikan hak dan izin orang tersebut terkait suara yang akan dikloning?
  • Apakah Anda menggunakan karya berhak cipta orang lain dalam jumlah besar dalam naskah Anda?
  • Dalam hal iklan, apakah ekspresi tersebut membuat seolah-olah ada orang sungguhan yang merekomendasikan produk tersebut?
  • Apakah Anda membagi kalimat panjang menjadi beberapa unit yang mudah dimodifikasi daripada membuat semuanya sekaligus?
  • Sudahkah Anda memeriksa volume akhir termasuk subtitle, BGM, dan efek suara?

Contoh kombinasi dengan video AI

Untuk video pengenalan karakter berdurasi 30 detik, pertama buat satu gambar, lalu buat beberapa gerakan sekitar 5 detik menggunakan Runway, dll. Setelah itu, saya membuat baris berdurasi 15-20 detik menggunakan ElevenLabs dan menyinkronkan bibir hanya pada potongan yang diperlukan. Terakhir, gunakan Premiere untuk mencocokkan suara, video, BGM, dan subtitle.

Anda tidak harus membuat setiap potongan berbicara. Cukup membuat MV hanya dengan menyinkronkan bibir kedua foto close-up tersebut dan memperlihatkan sisanya berjalan serta latar belakangnya. Akan lebih efisien jika menggunakan proses AI yang berbiaya tinggi hanya di "tempat yang mencolok".

Baca artikel selanjutnya

Bahan referensi