QianYin ManYu: lồng tiếng, dịch và nhân bản giọng nói trên một nền tảng

QianYin ManYu là trợ lý sáng tạo âm thanh bằng AI của Beijing Yisheng Technology, xoay quanh việc biến văn bản thành giọng nói. Lồng tiếng AI, dịch và lồng tiếng âm thanh - video, nhận dạng giọng nói, nhân bản giọng và một bộ công cụ âm thanh nằm trên cùng một nền tảng, phục vụ hội thoại, sách nói và quảng cáo.

Công việc ở đây lặp đi lặp lại: một kịch bản với nhiều giọng, một video với nhiều ngôn ngữ, một cuộc phỏng vấn thành văn bản có thể biên tập. Theo tư liệu, nền tảng có hơn 1200 giọng AI, gần 20 thông số chỉnh, nhận dạng giọng nói tới 95% và nhân bản giọng chỉ từ mẫu 10 giây.

Khả năng chính

• Lồng tiếng AI: Hơn 1200 giọng AI với nhiều ngôn ngữ và âm sắc, gần 20 thông số cho đa âm, ngắt nghỉ, nhấn giọng và đổi tốc độ cục bộ.
• Dịch và lồng tiếng audio-video: Dịch phụ đề bằng mô hình lớn và lồng tiếng đa ngữ, đưa một video thành nhiều phiên bản ngôn ngữ trong một lượt.
• Nhận dạng giọng nói: Chuyển giọng thành văn bản với độ chính xác tới 95% theo tư liệu, hỗ trợ hàng chục ngôn ngữ.
• Nhân bản giọng: Mẫu 10 giây tái tạo âm sắc; tư liệu nêu hỗ trợ hơn 100 ngôn ngữ với ngữ điệu tự nhiên.
• Hộp công cụ âm thanh: Trích xuất âm thanh, chuyển định dạng, phát hiện khoảng lặng, canh thời gian tự động, tách giọng và nhạc nền.

Bắt đầu thế nào

1. Mở qianyin123.com và chọn mô-đun phù hợp với công việc.
2. Lồng tiếng: dán văn bản, chọn giọng rồi chỉnh tốc độ, cao độ, ngắt nghỉ và cách đọc.
3. Lồng tiếng video: tải tệp lên và chọn ngôn ngữ đích; phụ đề được dịch và lồng tiếng tự động.
4. Nhận dạng và nhân bản: tải âm thanh hoặc ghi trực tiếp, còn nhân bản chỉ cần 10 giây mẫu.
5. Xem lại, sửa lỗi của mô hình rồi xuất cho sách nói, video hoặc quảng cáo.

Phù hợp khi nào

• Sách nói: giọng ổn định trên văn bản dài mà không phải thuê phòng thu cho từng đầu sách.
• Video đa ngôn ngữ: một bản dựng cuối được xuất ra nhiều ngôn ngữ, kèm phụ đề và lồng tiếng.
• Quảng cáo và video ngắn: cùng một kịch bản với vài giọng để so sánh.
• Phỏng vấn và cuộc họp: chuyển thành văn bản trước, biên tập sau.

Giới hạn cần biết

• Con số 95% là công bố của nền tảng. Kết quả thay đổi theo ngôn ngữ, giọng địa phương, độ vang phòng và tiếng ồn, nên văn bản quan trọng vẫn cần người kiểm tra.
• Nhân bản giọng của người khác cần có sự đồng ý của họ, đồng thời tuân thủ quy định nền tảng và pháp luật địa phương.
• Việc chia dòng phụ đề, thuật ngữ và khẩu ngữ thường cần biên tập viên chỉnh, nhất là trong lĩnh vực chuyên môn.
• Tư liệu không nêu giá, hạn mức miễn phí, phạm vi cấp phép thương mại hay định dạng xuất; hãy xác nhận trên nền tảng trước khi dựa vào.
• Số giọng và độ phủ ngôn ngữ thay đổi theo phiên bản, nên hãy xem các con số là ảnh chụp tại một thời điểm.

Câu hỏi thường gặp

QianYin ManYu làm được gì?

Năm loại công việc giọng nói trên một nền tảng: lồng tiếng AI, dịch và lồng tiếng audio-video, nhận dạng giọng nói, nhân bản giọng, cùng công cụ như trích xuất âm thanh và chuyển định dạng.

Cần mẫu dài bao lâu để nhân bản?

Yêu cầu nêu là 10 giây. Bản ghi sạch, ít tiếng ồn thường cho kết quả sát giọng gốc hơn.

Độ chính xác 95% có được bảo đảm?

Đó là mức tốt nhất được công bố. Phụ thuộc ngôn ngữ, giọng địa phương và tiếng ồn, nên hợp đồng hay nội dung y tế, pháp lý cần người đọc lại.

Có được dùng thương mại không?

Tư liệu không nêu điều kiện cấp phép; hãy kiểm tra trên nền tảng. Giọng nhân bản còn cần sự đồng ý của chủ giọng.