录制画外音已经够有挑战性了。你经历了太多的拍摄才得到你想要的。你没有足够的时间来排练和达到你的语气和意图目标。你阅读无尽的音频编辑软件指南，以确保你的声音听起来很好。即使你搞定了所有这些，如果你没有录音室，你完美的表演也会被背景噪音弄得千疮百孔。
那么你应该放弃去请一个配音演员吗？还没有:人工智能语音生成器可以提供令人印象深刻的结果。这些人工智能文本到语音转换应用程序在质量、真实性和控制方面都有所提高，帮助你创建自然的文本呈现，甚至不必将麦克风插入你的计算机。
1、ElevenLabs
ElevenLabs利用去年的一轮融资，将功能集从一个简单的高质量语音生成器扩展到一个平台，该平台可以覆盖您的大部分语音、音效和音轨生成需求。如果你想将你的音频创作流程整合到一个人工智能浏览器标签中，这是一个很好的选择。
该平台正在快速扩张；一些有趣特性的入口点可能有点隐藏。首先，你会发现核心功能的前端和中心:典型的文本到语音转换体验的即时语音，以及有声读物工具，音乐生成器和音效套件。有语音设计，数字语音克隆，和一个深度管理的人工智能语音库，你可以在这些项目中使用。其他隐藏的功能包括播客风格的生成、视频到音乐(背景音乐生成器)或为视频创建画外音。
当你点击开始任何这些，你被带到工作室界面。它会根据您正在做的事情而略有变化:它总是有声音的核心控制，具有稳定性、音量和风格夸张(等等)。例如，给有声读物配音时，您会获得章节控制和略深的多声部设置；给视频配音时，在生成声音时，您会看到一个面板来查看帧。
除了这个丰富的工具集，v3 alpha模型是一个令人兴奋的补充，引入了动作、语气和情感方向。现在，您可以在脚本的任何地方添加方括号中的方向，以控制模型的性能，添加讽刺，窃笑或耳语部分。这只有最新的型号才有可能，所以请确保从右边的下拉菜单中选择它。正如广告所说，结果可能会有很大差异，需要更及时的工程设计，但性能感觉更不可预测，这使它与以前的模型相比，感觉更有活力。
2、Hume
在数百种预设声音中滚动，仍然找不到一种完全符合您品牌的声音？大多数平台给了你很多选择，但有时你需要一个你从未听过的声音，独特而有影响力。Hume让你只使用一个文本提示就可以从头开始设计那个声音。
用文字描述一个声音，一开始觉得不可能。毕竟，为什么摩根·弗里曼听起来像一个神圣的人物？Hume有一个聪明的捷径:打开语音创建工具，点击自动生成按钮，出现启动提示。从那里开始，选择一种口音感觉是这里最强大的设置:从“英国”切换到“纳什维尔鼻音”，你完全改变了节奏和音乐性。然后，用“深沉而有共鸣”或“明亮而有活力”这样的描述词来微调音高和节奏。
一旦你设计了你的自定义声音，创建一个项目，粘贴你的文本，挑选你的声音，并生成。不要指望你会在其他平台上看到的精确的逐字控制。相反，就像设计语音时一样，你可以用文本提示来控制性能。这有一个学习曲线和不可预测的结果，但随着你获得更多的经验，可以产生更微妙的表现。
除了语音生成，Hume还有其他平台没有的东西:情商。设置一个对话代理，你会看到兴奋、悲伤、困惑等情绪的分数。专用系统可以在0到1的范围内测量你声音中的情绪:当你测试你的代理人时，你可以看到诸如“决心:0.21”、“喜悦:0.19”或“兴奋:0.39”的值。这些信号作为输入输入到语音生成引擎，帮助调整声音性能以反映、匹配和与用户共鸣。
3、Speechify
节奏:一个人阅读文本的节奏，单词之间的间隔，以及整体速度。Speechify领先于竞争对手，在一个镜头中产生令人满意的输出，听起来像一个有创意的、有经验的配音演员。冷静，节奏快，在变化和一致性之间有很好的平衡。
该网站的主页可能会令人困惑，因为Speechify将自己标榜为一个大声朗读文本的平台，主要用于生产力用例。你可以在开车或外出散步时使用它。有了Snoop Dogg和Gwyneth Paltrow等可用的声音，以D-O-double-G的传奇风格聆听您最喜欢的数字营销博客列表是一件很有趣的事情。
如果您想要为您的项目生成和下载声音，请点按屏幕顶部的按钮前往Speechify Studio。虽然你不能使用著名的声音-嘘-你会看到现有的选择是一流的。当您粘贴脚本并开始生成时，您可以提高或降低速度、控制音高、更改音量、添加自定发音以及在文本的不同部分设定暂停。
这里有两个很好的临时演员。如果你经常制作基于幻灯片的视频，Speechify有一个工具可以制作一个简单的演示文稿。只需生成语音，添加背景音乐轨道，然后导出即可。第二个可以让你把自己的声音添加到平台上，这样你就可以用自己的声音产生声音了。
4、WellSaid
当你需要准确控制一个单词的发音以及每个单词在句子展开时的落点时，用WellSaid好好说。它提供了逐字控制，以确保您始终如一地敲击所有正确的音符。
这是如何工作的？打开编辑器，粘贴您的脚本。在右侧选项卡上，单击提示打开控制装置。屏幕上的单词变得轮廓分明:点击单词或单词组合进行选择，然后调整音量或速度。如果选择逗号或句号，您可以调整暂停时间。
编辑完一个部分后，点按屏幕中央的任意位置以取消选择它。你会注意到你刚刚编辑的内容现在用颜色加了下划线:如果你改变了节奏，它是绿色的；如果你编辑了响度，它是蓝色的；对于标点停顿，它是紫色的。这是一个很好的指导，以防你想回来做调整。一句忠告:不要做剧烈的改变——这里最大的变化会降低整体的真实性。
5、DupDub
当你的脚本充满了技术术语、外国品牌名称或行业缩写时，大多数人工智能语音生成器都会破坏发音。这迫使你做一些精神体操:拼写像“fyoo-chur-is-tik”这样的单词，使“未来主义”听起来正确。DupDub没有删除这一步，但由于它的音素级控制，它极大地提高了准确性，确保您的努力是值得的。
以下是获得完美发音的方法:突出显示脚本中任何有问题的单词，然后单击音位顶部的按钮。屏幕上会出现一个语音键盘，这样你就可以一个音素一个音素地准确输入你要找的东西。不需要更多的创意。你现在可以生成“Xiaomi”、“PostgreSQL”或“Kubernetes”，而不会发生令人捧腹/失望的意外。
这个界面可以让你控制几乎所有的东西，从基本的音高和节奏，到一般的和一节一节的速度。您可以将首字母缩略词设置为一个单词(“API”)或单个字母(“A-P-I”)。标点符号和段落也有精确的时间控制:事实上，不要忘记将那些逗号停顿从刺耳的200毫秒默认设置下调到更自然的50-80毫秒左右。
这种精确度扩展到90种语言的750多种语音库。无论你是在用英语处理技术术语，还是用汉语处理品牌名称，你都可以获得相同的音素级别的控制。这些声音不会与ElevenLabs的自然逼真度相匹配，但如果发音准确性胜过完美的音调变化，DupDub的粒度控制使其值得权衡。
DupDub通过一体化的内容工作流超越了语音生成。从一个想法开始，用人工智能生成你的脚本，使用这些音素控制创建画外音，然后将一切都纳入内置的视频编辑器。如果你想为简单的项目消除工具切换，这是一个可靠的选择，虽然你会想要为任何复杂的专用视频软件。
6、Respeecher
厌倦了听到听起来像一条又长又无聊的直线的机器人讲话？Respeecher引入了各种变化，使叙述听起来更有趣，增加了每个声音听起来的自然度和逼真度。
最棒的是你根本不需要设计这个。当您输入文本时，您可以尝试使用不同的声音或叙述风格来生成文本。每一代都将根据剧本的适当部分进行分组，并有自然发音的变化。
用户界面不直观，所以发现主编辑器屏幕上隐藏的生成控件令人惊讶。单击设置选项卡，调整音高校准、情感范围和常规音频属性。当您更改这些内容时，它会更改所有未来的输出，所以如果您需要不同的内容，请记得回到这里。
除了粘贴文本或上传音频文件，您还可以使用麦克风现场录制。在这种情况下，应用程序所做的只是改变你的声音以匹配模板的声音，让你完全控制文本的性能。如果你有一些表演经验或者在这方面有天赋，一定要试一试。
你可以用你自己的声音或其他人的声音训练一个人工智能模型，这样你就可以用你的键盘演奏所有的角色。由于这可能使deepfakes更容易生产，Respeecher运行安全检查以了解你是谁，并大幅提高每月订阅价格。
7、Altered
如果您需要的不仅仅是基本的文本到语音生成，Altered提供了最全面的语音创建和音频编辑工具包。熟悉所有的弯道可能会花费你更多的时间，但是让我们来看看你能做些什么。
实时变形启用修改后的虚拟麦克风，将您的原始声音实时更改为人工智能化身的声音。当你14岁时与你的游戏玩家朋友在线聊天时，这是一件有趣的事情，但以商业为导向的成年人可以使用它将这种声音直接录制到另一个音频编辑应用程序中，从而简化工作流程。
后期制作变形是音频到音频生成的一个有趣的名字。添加文本录音，选择目标声音，然后点击生成。下载结果，并将它们插入到您的项目中。
快速语音创作允许您将干净的4到8秒的声音剪辑添加到平台，以便您可以克隆它并将其用于生成。(条款和条件适用。)
文本到语音转换打开预期编辑器输入您的脚本并选择您的声音。叙述方式取决于您选择的叙述方式，因此请单击每种方式查看主要差异。这里的可能性从一致性的“低于中性”到强调和能量的“积极、大声”不等。请注意，根据你选择的剧本和语气，结果可能是不一致的，奇怪的，滑稽的，或者以上所有的。
最后，Altered也包了一个先进语音编辑器很酷的控制。你可以上传你的音频——任何种类的音频——并访问转录、语音生成或噪音消除等功能。这里的学习曲线有点陡，因为这个屏幕有一个真正的音频编辑器:一定要打开文档并把它们作为伴侣。
8、Murf
试试这个简单的初学表演练习:从这篇文章中选一个句子，大声读出来。然后重复，每次强调一个不同的单词。当你这样做的时候，注意整个句子的意思和感觉是如何变化的。Murf让你为你的人工智能生成的声音这样做。
强调控制按钮很容易被忽略。处理项目时，开始向第一个块添加文本。当你这样做的时候，看一下播放按钮左边的图标——它看起来像一个评论图标——然后点击它。出现一个弹出窗口，显示该块中所有单词的序列，具有高-中-低刻度:单击任意位置添加一个点。你点击的位置很重要，所以尝试在左/右和上/下轴添加点。
除了这些控制，您还可以调整一般速度和音高，添加暂停，或添加自定发音。如果你选择肯之声，你还可以接触到最广泛的叙事风格，总共九种，从讲故事到悲伤。我尝试了抽泣的设定，预料会有不好的结果，却被精妙的演技惊呆了。干得好，肯。
当您查看屏幕底部时，您可以扩展时间线以显示更多功能。你可以将视频和音乐直接添加到平台中来制作内容，并直接从Murf中导出，随时可以分享。当你推进你的内容策略时，你可以邀请你的队友并在语音生成项目上合作:任何人都可以在每个脚本块上留下评论，所以你可以不断调整，直到你达到可能的最佳结果。
在团队工作时，您可能需要在应用程序之间移动数据。Murf现在与Zapier整合所以你可以让这个过程无缝和自动化。从预制模板开始，或者从头开始构建整个自动化系统。
9、TTSMaker
TTSMaker以零隐藏成本在特定语音上提供无限语音生成。它不是这个列表中最闪亮的平台，但如果你正在做预算或第一次测试人工智能语音，它可以在不需要你的信用卡的情况下完成工作。
它是这样工作的:从标有“无限制”的20个声音中选择，并生成您想要的音频——其余的声音有每周20，000个字符的限制。与ElevenLabs或Speechify相比，这个界面感觉很简单，但是不要让它欺骗了你。点击设置，你会发现有用的控制，如语音速度调整，音高调整，段落暂停时间。你甚至可以直接上传背景音乐到你这一代，这对于一个免费的工具来说是一个不错的选择。
除了标准的MP3格式，您还可以下载OGG、AAC、OPUS或WAV文件格式的音频，这取决于您的项目需求。更好的是，该平台会在你的音频旁边生成一个SRT字幕文件:这是一个非常有用的功能，可以让你在视频中直接嵌入同步字幕，而无需额外的转录工作。对于赶时间的内容创作者来说，仅字幕导出就可以节省数小时的手动字幕。
声音质量不会赢得任何奖项，但对于快速项目来说还过得去。虽然有时听起来有点做作，但它清晰易懂，非常适合讲解者视频、内部培训材料或声音支持而非明星的社交媒体内容。
AI 速览
