Hangminták rögzítése egyéni hanghoz

Ez a cikk ajánlott eljárásokat nyújt a kiváló minőségű hangminták professzionális hang finomhangolásához való előkészítéséhez. Az adatok feldolgozásának és az adatelfogadás minimális követelményeinek megismeréséhez tekintse meg az adatok feltöltését.

Kiváló minőségű professzionális hangot létrehozni az alapoktól nem könnyű feladat. Az egyéni hang központi összetevője az emberi beszéd hangmintáinak nagy gyűjteménye. Létfontosságú, hogy ezek a hangfelvételek kiváló minőségűek legyenek. Válasszon ki egy olyan hangtehetségeket, akik tapasztalattal rendelkeznek az ilyen típusú felvételek készítésében, és profi berendezésekkel rögzíttetik őket egy felvételkészítő mérnökkel.

Ahhoz azonban, hogy elkészíthesse ezeket a felvételeket, szüksége lesz egy forgatókönyvre: a hangminták létrehozásához a szinkronszínész mondja el a szavakat.

Sok apró, de fontos részlet van a professzionális hangrögzítés készítéséhez. Ez az útmutató egy folyamat ütemterve, amely segít a jó és következetes eredmények eléréséhez.

Tippek az adatok kiváló minőségű hanghoz való előkészítéséhez

A rendkívül természetes egyéni hang számos tényezőtől függ, például a betanítási adatok minőségétől és méretétől.

A betanítási adatok minősége elsődleges tényező. Például ugyanabban a betanítási csoportban a konzisztens hangerő, a beszédsebesség, a beszédmagasság és a beszédstílus elengedhetetlen a kiváló minőségű egyéni hang létrehozásához. El kell kerülnie a háttérzajt is a felvételen, és győződjön meg arról, hogy a szkript és a rögzítés megegyezik. Az adatok minőségének biztosításához be kell tartania a szkriptek kiválasztásának feltételeit és a rögzítési követelményeket.

A betanítási adatok méretét tekintve a legtöbb esetben 300 kimondott szöveggel hozhat létre ésszerű egyéni hangot. A tesztek szerint a legtöbb nyelven több betanítási adat hozzáadása nem feltétlenül javítja a hang természetességét (a MOS pontszámmal tesztelve), azonban több, több szópéldányt lefedő betanítási adatokkal nagyobb eséllyel csökkentheti az elégedetlen beszédrészek arányát a hanghoz, például a hibákhoz. A beszéd nem megfelelő részeinek meghallgatásához tekintse meg a GitHub példákat.

Bizonyos esetekben előfordulhat, hogy egyedi jellemzőkkel rendelkező hangszemélyiségre van szüksége. Egy rajzfilm-személyiségnek például speciális beszédstílusú hangra vagy dinamikus intonációval rendelkező hangra van szüksége. Ilyen esetekben javasoljuk, hogy készítsen legalább 1000 (lehetőleg 2000) kimondott szöveget, és rögzítse őket egy professzionális stúdióban. A hangmodell minőségének javításáról a karakterisztika és az egyéni hang használatára vonatkozó korlátozások című témakörben talál további információt.

Hangrögzítési szerepkörök

Az egyéni hangrögzítési project négy alapvető szerepkörrel rendelkezik:

Szerepkör	Cél
Hangtehetség	Ennek a személynek a hangja képezi a testreszabott hang alapját.
Hangrögzítési mérnök	Felügyeli a rögzítés technikai szempontjait, és működteti a felvevő berendezést.
Igazgató	Előkészíti a szkriptet, és felkészíti a hangtehetség teljesítményét.
Szerkesztő	Véglegesíti a hangfájlokat, és előkészíti őket a Speech szolgáltatásba való feltöltésre.

Egy személy több szerepkört is betölthet. Ez az útmutató feltételezi, hogy betölti a rendezői szerepkört, és hangtehetségeket és hangmérnököt is alkalmaz. Ha saját maga szeretné készíteni a felvételeket, ez a cikk tartalmaz néhány információt a felvételszakértői szerepkörről. A szerkesztői szerepkörre csak a rögzítési munkamenet után van szükség. Addig is a rendező vagy a hangmérnök betöltheti ezt a szerepkört.

A hangtehetség kiválasztása

A szinkronizálásban, a hangkarakter megszemélyesítésében, a műsorvezetésben vagy a hírek felolvasásában jártas színészek jó hangtehetséggé válhatnak. Válassza ki a hangtehetségeket, akiknek a természetes hangja tetszik. Egyedi "karakter" hangok létrehozása lehetséges, de a legtöbb előadónak nehezére esik ezeket következetesen megszólaltatni, és az erőfeszítés megterhelheti a hangot. A hangtehetség kiválasztásának egyetlen legfontosabb tényezője a konzisztencia. Az azonos hangstílusú felvételeknek úgy kell hangzaniuk, mintha ugyanazon a napon készültek volna ugyanabban a szobában. Ezt az ideális megoldást jó rögzítési gyakorlatokkal és mérnöki munkával érheti el.

A hangtehetségnek képesnek kell lennie konzisztens sebességgel, hangerővel, hangmagassággal és hangszínnel beszélni tiszta diktálással. Emellett képesnek kell lenniük szabályozni a hangmagasság-variációt, az érzelmi hatást és a beszéd modorát. A hangminták rögzítése fárasztóbb lehet, mint a más típusú hangmunka, így a legtöbb hangszínész csak napi két-három órát rögzíthet. A munkameneteket legfeljebb heti három vagy négy napra korlátozhatja, ha lehetséges, egy szabadnapot.

Dolgozzon együtt a hangtehetségével, hogy olyan személyiséget alakítson ki, amely meghatározza az egyedi hang általános hang- és érzelmi tónusát. Határozza meg a személyhez tartozó beszédstílusokat, és kérje meg a hangtehetségeket, hogy a szkriptet a kívánt stílusokhoz igazodva olvassák el. Győződjön meg arról, hogy a beszédstílus egységes marad a betanító adatokhoz tartozó felvételek során.

Például egy természetesen vidám személyiségű ember hangjában optimizmus érződik. Ezt a személyiséget azonban következetesen ki kell fejezni az összes felvételen a betanítási adatok halmazához. Hallgassa meg a meglévő hangokat, hogy érzékelje, mire törekszik.

Tipp.

Általában a saját hangfelvételeit szeretné birtokolni. A hangművésznek készen kell állnia egy megbízási szerződés megkötésére a projekthez.

Szkript létrehozása

Az egyéni hangrögzítési munkamenetek kiindulópontja a szkript, amely tartalmazza a hangtehetség által elhangzandó kimondott szövegeket. A "kimondott szövegek" kifejezés teljes mondatokat és rövidebb kifejezéseket is magában foglal. Az egyéni hang létrehozásához legalább 300 rögzített kimondott szövegre van szükség betanítási adatként.

A szkriptben szereplő kimondott szövegek bárhonnan származhatnak: fikció, nem fikció, beszédek átiratai, hírjelentések és bármi más, amely nyomtatott formában elérhető. A lehetséges jogi kérdések rövid ismertetését a "Jogi kérdések" című szakaszban találja. Saját szöveget is írhat.

Az ön megnyilatkozásainak nem kell ugyanabból a forrásból származnia, ugyanabból a típusú forrásból származnia, vagy bármilyen kapcsolatban lennie egymással. Ha azonban beállított kifejezéseket (például "Sikeresen bejelentkezett") használ a beszédalkalmazásban, mindenképpen vegye fel őket a szkriptbe. Ez nagyobb esélyt ad az egyéni hangnak arra, hogy jól kimondsa ezeket a kifejezéseket.

Javasoljuk, hogy a rögzítési szkriptek általános és tartományspecifikus mondatokat is tartalmazzanak. Ha például 2000 mondatot szeretne rögzíteni, 1000 lehet általános mondat, további 1000 pedig a céltartományból származó mondat vagy az alkalmazás használati esete.

Az egyes nyelvekhez sample szkripteket biztosítunk az "Általános", a "Csevegés" és a "Customer Service" tartományokban a rögzítési szkriptek előkészítéséhez. Ezeket a Megosztott Microsoft-szkripteket közvetlenül használhatja a felvételekhez, vagy hivatkozásként használhatja őket saját létrehozására.

Szkriptkijelölési feltételek

Az alábbiakban néhány általános útmutatást követve hozhat létre egy jó korpuszt (rögzített hangmintákat) a professzionális hang finomhangolásához.

• A legtöbb használati esetben a mondatok hossza 2 és 15 másodperc között ajánlott, latin alapú nyelvek esetén 5–30 szó, nem latin alapú nyelvek esetén 4–80 szó. Törekedjen a szkript egyensúlyba hozására, hogy számos mondattípust és hosszt tartalmazzon. Győződjön meg arról, hogy a szkript nem tartalmaz ismétlődő mondatokat.
  

  Ha a használati esethez nagy hangsúlyt kell fektetni a kérdésekre, felkiáltójelekre vagy különösen hosszú és rövid mondatok keverékére, ajánlott a mondatok jó részét kérdésekként vagy felkiáltójelekként, valamint nagyon rövid kifejezéseket és 20 másodpercnél hosszabb kifejezéseket használni.

  A különböző mondattípusok közötti egyensúlyról az alábbi táblázatból tájékozódhat:

  Mondattípusok	Lefedettség
  Kijelentő mondatok	Az utasítás mondatainak a szkript 70–80%-ának kell lennie.
  Rövid szó/kifejezés	A rövid szó-/kifejezésszkripteknek az összes kimondott szöveg 10%-ának kell lenniük, esetenként 5-7 szóval. A rövid szavakat vagy kifejezéseket vesszővel kell elválasztani, hogy a hangtehetségeket az olvasás közben rövid szünetre emlékeztesse.
  Kérdés mondatai (nem kötelező)	A kérdő mondatoknak a szakmai forgatókönyv 10–20%-át kell kitenniük, beleértve az 5–10% emelkedő, illetve 5–10% ereszkedő hangnemet. Ezekre a mondatokra akkor van szükség, ha azt szeretné, hogy a generált hang pontosan közvetítse a kérdéseket.
  Felkiáltó mondatok (nem kötelező)	A felkiáltójeles mondatoknak a szkript 10-20%-ának kell lenniük. Ezekre a mondatokra akkor van szükség, ha azt szeretné, hogy a létrehozott hang pontosan közvetítsen felkiáltójeleket.

  Megjegyzés

  A mondatokban lévő szavak számát úgy becsülheti meg, hogy a nyelv alapján másodpercenkénti beszédarányt feltételez.

  Ajánlott eljárások:

  • A beszédrészek kiegyensúlyozott lefedettsége, például igék, főnevek, melléknevek stb.
  • A kiejtések kiegyensúlyozott lefedettsége. Az A-tól Z-ig minden betűt belefoglalhat, így a Text to speech motor megtanulja, hogyan ejtheti ki az egyes betűket a stílusában.
  • Olvasható, érthető, józan észnek megfelelő forgatókönyvek a beszélő számára, hogy felolvashassa őket.
  • Kerülje a túl sok hasonló mintát a szavakhoz/kifejezésekhez, például az 'egyszerű' és a 'könnyebb' szavak esetében.
  • Tartalmazzon különböző formátumú számokat: cím, egység, telefon, mennyiség, dátum stb., minden mondattípusban.
  • Adjon meg helyesírási mondatokat, ha ezt az egyéni hang felolvassa. Például: "Az Apple helyesírása A P P L E".

  Megjegyzés

  Környezetfüggő feldolgozási mód esetén, amely természetesebb intonációkat és jobb beszélgetési képességeket biztosít:

  • Mondatszintű szöveg helyett bekezdésszintű szöveget használjon a felvételekhez. Ez a megközelítés segít rögzíteni a mondatok közötti természetes beszédfolyamatot, és megőrzi a környezetfüggő információkat.
  • Minden felvételnek ideális esetben 30 másodpercnél hosszabbnak kell lennie (latin nyelvű nyelvek esetén több mint 60 szó, nem latin nyelvek esetén pedig 160 szó).
  • Az egyéni hang betanításához több mint 30 percnyi teljes hanganyagot vagy 300 mondatot tartalmazó környezetfüggő tanítókészlet használható.

• Ne tegyen több mondatot egy sorba/egy kimondott szövegbe. Különítse el az egyes sorokat kimondott szöveg alapján.

• Győződjön meg arról, hogy a mondat tiszta. Általában ne tartalmazzon túl sok nem szabványos szót, például számokat vagy rövidítéseket, mert nehezen olvashatók. Egyes alkalmazásokhoz számos szám vagy betűszó olvasására lehet szükség. Ezekben az esetekben felveheti ezeket a szavakat, de normalizálhatja őket a beszélt formájukban.

  Az alábbiakban néhány ajánlott eljárás található:

  • A "BTW" helyett a rövidítéseket tartalmazó sorok esetében írja be a "by the way" szöveget.
  • Számjegyeket tartalmazó sorok esetén a "911" helyett írja be a "kilenc egy"-t.
  • Az "ABC" helyett betűszóval ellátott sorokhoz írja be az "A B C"-t.

  Ezzel győződjön meg arról, hogy a hangtehetség a várt módon ejti ki ezeket a szavakat. A betanítási folyamat során tartsa egyezően a szkriptet és a felvételeket.

• A szkriptnek számos különböző szót és mondatot kell tartalmaznia, különböző mondathosszúságokkal, szerkezetekkel és hangulatokkal.

• Ellenőrizze a szkriptben a hibákat. Ha lehetséges, más is ellenőrizze. Ha a szkriptet a hangtehetségével futtatja, több hibát is elkaphat.

Különbség a hangtehetség-szkript és a betanítási szkript között

A betanítási szkript eltérhet a hangtehetség-szkripttől, különösen a számjegyeket, szimbólumokat, rövidítéseket, dátumot és időt tartalmazó szkriptek esetében. A hangtehetséghez előkészített szkripteknek natív olvasási konvenciók szerint kell lenniük, például 50% és 45 dollár. A betanításhoz használt szkripteket normalizálni kell a hangrögzítéshez, például ötven százalékot és negyvenöt dollárt.

Megjegyzés

Néhány példaszkriptet biztosítunk a hangtehetséghez a GitHub. A példaszkriptek betanításhoz való használatához a fájl feltöltése előtt normalizálnia kell őket a hangtehetség felvételeinek megfelelően.

Az alábbi táblázat a hangtehetség szkriptjei és a betanításhoz használt normalizált szkriptek közötti különbséget mutatja be.

Kategória	Hangtehetségi szkript példa	Példa betanítási szkriptre (normalizált)
Számjegyek	123	százhuszonhárom
Szimbólumok	50%	ötven százalék
Rövidítés	minél hamarabb	a lehető leghamarabb
Dátum és idő	Március 3., 17:00	Március harmadik 17 órakor

A szkriptek tipikus hibái

A szkript gyenge minősége hátrányosan befolyásolhatja a betanítási eredményeket. A kiváló minőségű betanítási eredmények eléréséhez elengedhetetlen a hibák elkerülése.

A szkripthibák általában a következő kategóriákba sorolhatók:

Kategória	Példa
Értelmetlen tartalom.	"A színtelen zöld ötletek dühösen alszanak."
Hiányos mondatok.	- "Ez volt az utolsó estém" (nincs téma, nincs konkrét jelentés) - "Már vicces (nincs idézőjel a végén, ez nem egy teljes mondat)
Elírás a mondatokban.	- Kezdje kisbetűvel - Szükség esetén nincs záró írásjel -Elírás - Írásjelek hiánya: nincs pont a végén (kivéve a hír címét) - Szimbólumokkal végződik, kivéve a vesszőt, a kérdést, a felkiáltást - Helytelen formátum, például:  - 45 $ (45 $ kell lennie)  - Nincs szóköz vagy túl sok szóköz a szó/írásjelek között
Duplikáció hasonló formátumban, minden mintánként egy elég.	Most 13:00 van New Yorkban Most 14 óra van New Yorkban. "Most 15:00 van New Yorkban." - "Most 13:00 Seattle-ben" Most 13 óra van Washington D.C.-ben.
Nem gyakori idegen szavak: csak a gyakran használt idegen szavak elfogadhatók a szkriptben.	Angolul a "faux" francia szót használhatjuk a közbeszédben, de egy olyan francia kifejezés, mint a "coincer la bulle," nem lenne gyakori.
Emoji vagy egyéb nem gyakori szimbólumok

Szkriptformátum

A szkript a munkamenetek rögzítése során használható, így bármilyen módon beállíthatja, amellyel egyszerűen dolgozhat. Külön hozza létre a Speech Studio által igényelt szövegfájlt.

Az alapszintű szkriptformátum három oszlopot tartalmaz:

• A kimondott szöveg száma 1-től kezdődően. A számozás megkönnyíti, hogy a stúdióban mindenki hivatkozzon egy adott kimondott szövegre ("próbálkozzunk újra a 356-os számmal"). A Microsoft Word bekezdés számozási funkciójával automatikusan megszámozza a táblázat sorait.
• Egy üres oszlop, amelybe minden egyes kimondott szöveg take számát vagy idő kódját írja fel, hogy könnyebben megtalálja a végleges felvételen.
• A kimondott szöveg maga.

Megjegyzés

A legtöbb stúdió rövid szegmensekben rögzíti a felvételeket, amelyeket "take" -nek neveznek. Minden egyes felvétel általában 10–24 kifejezést tartalmaz. Csak a take számának megjegyzése elegendő ahhoz, hogy később a megnyilatkozást megtalálja. Ha olyan stúdióban készít felvételt, amely hosszabb felvételeket szeretne készíteni, érdemes inkább az időkódot megjegyeznie. A stúdióban kiemelt időkijelző jelenik meg.

Minden sor után hagyjon elegendő helyet a jegyzetek írásához. Győződjön meg arról, hogy egyetlen kimondott szöveg sem oszlik el a lapok között. Számozza meg az oldalakat, és nyomtassa ki a szkriptet a papír egyik oldalán.

Nyomtassa ki a forgatókönyv három példányát: egyet a hangszínésznek, egyet a hangmérnöknek, egyet pedig a rendezőnek (Ön). Használjon papírklipet a kapcsok helyett: egy tapasztalt hangművész elválasztja a lapokat, hogy elkerülje a zajt a lapok elfordítása során.

Hangtehetség-nyilatkozat

A neurális hang betanításához létre kell hoznia egy hangtehetségprofilt egy hangfájllal, amelyet a hangtehetség rögzít, és hozzájárul a beszédadatok használatához egy professzionális hangmodell finomhangolásához. A felvételi szkript előkészítésekor mindenképpen adja meg az állítás mondatát.

Jogszabályok

A szerzői jog értelmében a szerző szerzői jog által védett szöveg olvasása olyan előadás lehet, amelyért a mű szerzőjét kártalanítani kell. Ez a teljesítmény nem lesz felismerhető a végtermékben, az egyéni hangban. Ennek ellenére a szerzői jog által védett mű e célra való használatának jogszerűsége nem megalapozott. A Microsoft nem tud jogi tanácsot adni ezzel a problémával kapcsolatban; forduljon saját jogi tanácsadójához.

Szerencsére lehetséges, hogy ezeket a problémákat teljesen elkerüljük. Számos olyan szövegforrás van, amelyet engedély vagy licenc nélkül használhat.

Szövegforrás	Leírás
CMU Sarkvidéki korpusz	Körülbelül 1100 mondat van kiválasztva a szerzői jogon kívüli művekből, kifejezetten beszédszintézis-projektekben való használatra. Kiváló kiindulópont.
Már nem működik szerzői jogi védelem alatt	Általában 1923 előtt közzétett munkák. Angolul Project Gutenberg több tízezer ilyen művet kínál. Érdemes lehet az újabb művekre összpontosítani, mivel a nyelv közelebb áll a modern angolhoz.
A kormányzati munka	Az Egyesült Államok kormánya által létrehozott művek nem esnek szerzői jogvédelem alá az Egyesült Államokban, de a kormány más országokban vagy régiókban igényelhet szerzői jogokat.
Közkincs	Olyan művek, amelyekhez a szerzői jog kifejezetten ki van tiltva vagy a nyilvános tartomány számára van fenntartva. Előfordulhat, hogy egyes joghatóságokban nem lehet teljesen lemondani a szerzői jogról.
Megengedő licenccel rendelkező művek	A Creative Commonshoz vagy a GNU ingyenes dokumentációs licencéhez (GFDL) hasonló licenccel terjesztett művek. A Wikipedia a GFDL-t használja. Egyes licencek azonban korlátozhatják a licencelt tartalom teljesítményét, ami befolyásolhatja az egyéni hangmodellek létrehozását, ezért gondosan olvassa el a licencet.

A szkript rögzítése

Rögzítse a szkriptet egy professzionális stúdióban, amely a hangmunkára specializálódott. Van egy hangrögzítő standjuk, a megfelelő felszerelésük, és a megfelelő emberek, akik működtetik. Javasoljuk, hogy ne spóroljon a felvételen.

Beszélje meg a project a stúdió hangmérnökével, és hallgassa meg tanácsukat. A felvételnek kevés vagy nincs dinamikus tartománytömörítése (legfeljebb 4:1). Kritikus fontosságú, hogy a hang hangerőssége konzisztens legyen, és magas jel-zaj aránnyal rendelkezzen, mindenféle nem kívánt hang nélkül.

Rögzítési követelmények

A kiváló minőségű betanítási eredmények eléréséhez kövesse az alábbi követelményeket a rögzítés vagy az adatok előkészítése során:

• Világos és jól kifejezhető

• Természetes sebesség: nem túl lassú vagy túl gyors a hangfájlok között.

• Megfelelő hangerő, proszódia és szünet: stabil ugyanazon mondaton belül vagy mondatok között, írásjelek utáni helyes szünet.

• Nincs zaj a rögzítés során

• Személyiségtervezés igazítása

• Nincs rossz kiemelés: illeszkedjen a céltervhez

• Nincs helytelen kiejtés

A hangminták ajánlott eljárásként való előkészítéséhez tekintse meg az alábbi specifikációt.

Tulajdonság	Érték
Fájlformátum	*.wav, Monó
Mintavételezési sebesség	24 KHz
Minták formátuma	16 bites, PCM
Maximális hangerőszintek	-3 dB-ről -6 dB-ra
SNR	> 35 dB
Csend	- Az elején és végén legyen némi csend (ajánlott 100 ms), de legfeljebb 200 ms - Csend szavak vagy kifejezések < között -30 dB - Csend a hullámban az utolsó szó elhangzása <után -60 dB
Környezeti zaj vagy visszhang	- A zaj szintje a hullám elején, mielőtt beszélni kezd < -70 dB

Megjegyzés

Magasabb mintavételi sebességgel és bitmélységben rögzíthet, például 48 KHz-es 24 bites PCM formátumban. A professzionális hang finomhangolása során automatikusan 24 KHz-es, 16 bites PCM-re fogjuk lemintázni.

A magasabb jel-zaj arány (SNR) alacsonyabb zajt jelez a hangban. Általában 35+ SNR-t érhet el professzionális stúdiókban való felvétellel. A 20 alatti SNR-t tartalmazó hang nyilvánvaló zajt okozhat a generált hangban.

Fontolja meg az alacsony kiejtési pontszámú vagy gyenge jel-zaj arányú kimondott szövegek ismételt rögzítését. Ha nem tudja újból rögzíteni, fontolja meg, hogy kizárja ezeket a kimondott szövegeket az adataiból.

Tipikus hanghibák

A kiváló minőségű betanítási eredmények érdekében erősen ajánlott elkerülni a hanghibákat. A hanghibák általában a következő kategóriákba sorolhatók:

• A hangfájl neve nem egyezik a szkript azonosítójával.

• A WAR-fájl formátuma érvénytelen, ezért nem olvasható.

• A hangmintavételi sebesség alacsonyabb, mint 16 KHz. Javasoljuk, hogy a .wav fájl mintavételezési sebessége egyenlő vagy magasabb legyen, mint 24 KHz a kiváló minőségű neurális hang esetén.

• A hangerőcsúcs nem esik a -3 dB (a maximális hangerő 70%-a) és -6 dB (50%) tartományba.

• Hullámforma túlcsordulása: a hullámforma a csúcsértékénél van vágva, ezért nem teljes.

  

• A felvétel csendes részei nem tisztaak; olyan hangokat hallhat, mint a környezeti zaj, a szájzaj és a visszhang.

  Az alábbi hang például a beszédek közötti környezeti zajt tartalmazza.

  

  Az alábbi minta egyenáramú eltolás vagy visszhang jeleit tartalmazza.

  

• A hangerő összességében túl alacsony. Az adatok problémaként lesznek megjelölve, ha a hangerő kisebb mint -18 dB (a maximális hangerő 10%-a). Győződjön meg arról, hogy az összes hangfájlnak azonos hangerőn kell konzisztensnek lennie.

  

• Nincs csend az első szó előtt vagy az utolsó szó után. Emellett a kezdő vagy záró csend nem lehet hosszabb 200 ms-nál vagy 100 ms-nál rövidebbnél.

  

Saját maga végezze el

Ha saját maga szeretné készíteni a felvételt, ahelyett, hogy stúdióba szeretne menni, íme egy rövid alapozó. Az otthoni felvétel és a podcasting növekedésének köszönhetően minden eddiginél könnyebb megtalálni a jó felvételi tanácsokat és forrásokat az interneten.

A "rögzítőfülke" legyen egy kis szoba, és ne legyen látható visszhang vagy "szobahang". A lehető legcsendesebbnek és hangszigeteltnek kell lennie. A falakon lévő drapériák használhatók a visszhang csökkentésére és a szoba hangjának semlegesítésére vagy elnyomására.

Használjon egy kiváló minőségű stúdiókondenzátoros mikrofont ("mikrofon" röviden) hangrögzítésre. A Sennheiser, az AKG és még az újabb Zoom micsek jó eredményeket hozhatnak. Vásárolhat mikrofont, vagy bérelhet egyet egy helyi audio-vizuális kölcsönző cégtől. Keressen egy USB-adapterrel rendelkezőt. Ez a mikrofontípus kényelmesen egyesíti a mikrofon elemet, az előerősítőt és az analóg-digitális átalakítót egyetlen csomagban, leegyszerűsítve a csatlakoztatást.

Analóg mikrofont is használhat. Számos kölcsönző kínál "vintage" mikrofonokat, amelyeket a hangkarakterük tesz ismertté. A professzionális analóg felszerelés kiegyensúlyozott XLR-csatlakozókat használ a fogyasztói berendezésekben használt 1/4 hüvelykes dugó helyett. Ha analóg rendszert választ, szüksége lesz egy előerősítőre és egy számítógép hangkártyára is ezekkel a csatlakozókkal.

Helyezze a mikrofont egy állványra vagy gémre, és helyezzen el egy pop szűrőt a mikrofon elé a "p" és "b" mássalhangzók okozta zaj csökkentésére. Egyes mikrofonok felfüggesztéssel vannak izolálva az állvány rezgéseitől, ami nagyon hasznos.

A hangtehetségnek következetes távolságban kell maradnia a mikrofontól. Használjon szalagot a padlón, hogy megjelölje, hol kell állnia. Ha a tehetség szívesebben ül, különös figyelmet fordít a mikrofon távolságának figyelésére és a szék zajának elkerülésére.

Használjon egy állványt a szkript tárolásához. Kerülje az állvány megmozdítását, hogy az tükrözze a mikrofon felé irányuló hangot.

A hangrögzítő berendezést üzemeltető személynek – a hangmérnöknek – külön helyiségben kell lennie az előadótól, és valamilyen módon képesnek kell lennie kommunikálni az előadóval a felvételi fülkében, például egy visszabeszélő áramkör segítségével.

A felvételnek a lehető legkevesebb zajt kell tartalmaznia, amelynek célja -80 dB.

Hallgasson meg egy felvételt a csendről a "standján", állapítsa meg, honnan jön a zaj, és kiküszöbölje az okot. Gyakori zajforrások a szellőzőnyílások, a fénycsőelőtétek, a közeli utak forgalma és a berendezések ventilátorai (még a notebook pc-k is rendelkezhetnek ventilátorokkal). A mikrofonok és kábelek elektromos zajt képesek felvenni a közeli AC-kábelekből, általában zúgás vagy zümmögés. A zümmögést egy földhurok is okozhatja, amit az okoz, hogy a berendezések több elektromos áramkörbe vannak csatlakoztatva.

Tipp.

Bizonyos esetekben előfordulhat, hogy egy hangszínszabályzót vagy egy zajcsökkentő szoftver beépülő modult is használhat a felvételek zajának eltávolításához, bár mindig a legjobb, ha a forrásánál állítja le.

Állítsa be a szinteket úgy, hogy a digitális rögzítés rendelkezésre álló dinamikus tartományának nagy része túldrukkolás nélkül legyen használva. Ez azt jelenti, hogy állítsa be a hangot hangosra, de nem olyan hangosra, hogy torzulás lépjen fel. Egy jó felvétel hullámformára az alábbi képen látható példa:

Itt a tartomány (magasság) nagy részét használják, de a jel legmagasabb csúcsai nem érik el az ablak tetejét vagy alját. Azt is láthatja, hogy a felvétel csendje egy vékony vízszintes vonalhoz közelít, ami alacsony zajszintet jelez. Ez a felvétel elfogadható dinamikus tartományt és jel-zaj arányt kínál.

Rögzítsen közvetlenül a számítógépre egy kiváló minőségű hangfelületen vagy USB-porton keresztül, a használt mikrofontól függően. Analóg módon tartsa egyszerűnek a hangláncot: mikrofon, előerősítő, hangfelület, számítógép. Az Avid Pro Toolst és az Adobe Auditiont is havonta, ésszerű áron licencelheti. Ha a költségvetése rendkívül szoros, próbálja ki az ingyenes Audacity-t.

Rögzítsen 44,1 kHz 16 bites CD-minőségű monofonikus vagy jobb minőségben. A jelenlegi csúcstechnológia 48 KHz-es, 24 bit-es, feltéve, ha azt a berendezés támogatja. A hangot 24 KHz-es 16-bitesre fogja lemintázni, mielőtt elküldené a Speech Studio-ba. Ennek ellenére érdemes jó minőségű eredeti felvételt készíteni abban az esetben, ha szerkesztésre van szükség.

Ideális esetben különböző emberek szolgálnak igazgatói, mérnöki és tehetségi szerepkörökben. Ne próbálja meg mindent egyedül csinálni. Szükség esetén egy személy egyszerre lehet igazgató és mérnök is.

A munkamenet előtt

A stúdióidő elsiklásának elkerülése érdekében futtassa végig a szkriptet a hangtehetségével a felvételi munkamenet előtt. Míg a hangtehetség megismerkedik a szöveggel, tisztázhatja az ismeretlen szavak kiejtését.

Megjegyzés

A legtöbb stúdió a forgatókönyvek elektronikus megjelenítését kínálja a felvételi standon. Ebben az esetben írja be az átfutási megjegyzéseket közvetlenül a forgatókönyv dokumentumába. Azonban az előadás/ülés során továbbra is érdemes magával vinnie egy papíralapú másolatot, hogy jegyzetelhessen rá. A legtöbb mérnöknek is szüksége lesz egy másolatra. És akkor is szüksége lesz egy harmadik nyomtatott másolatra, hogy biztonsági másolatot készítsen a tehetségnek, ha a számítógép leáll.

A hangtehetséged megkérdezheti, hogy melyik szót szeretné kiemelni egy kimondott szövegben (az "operatív szó"). Mondja el nekik, hogy természetes olvasást szeretne, különös hangsúlyt nem fektetve. A hangsúly a beszéd szintetizálásakor adható hozzá; nem lehet része az eredeti felvételnek.

Irányítsd a tehetséget, hogy tisztán mondja ki a szavakat. A szkript minden szavát írottként kell kimondani. A hangokat nem szabad kihagyni vagy összemosni, ami gyakori a lazább beszédben, hacsak a forgatókönyvben így nem írták őket.

Írott szöveg	Nem kívánt alkalmi kiejtés
soha nem adod fel	soha nem adod fel
négy fény van	Négy fény van
milyen az időjárás ma	milyen az időjárás ma?
köszönj a kis barátomnak!	köszönj lil barátomnak!

A tehetségnek nem szabad különálló szüneteket hozzáadnia a szavak között. A mondatnak természetesen kell folynia, még akkor is, ha egy kicsit formálisnak hangzik. Ez a finom megkülönböztetés gyakorlást igényel, hogy helyesen értsük.

A rögzítési munkamenet

Hozzon létre egy referencia-felvételt vagy egyezésfájlt egy tipikus kimondott szövegről a munkamenet elején. Kérje meg a tehetséget, hogy ismételje meg ezt a sort minden oldalon. Minden alkalommal hasonlítsa össze az új felvételt a hivatkozással. Ez a gyakorlat segít a tehetségnek konzisztensen maradni a hangerőben, a tempóban, a hangmagasságban és az intonációban. Eközben a mérnök használhatja a találatfájlt a szintek és a hang általános konzisztenciájának referenciájaként.

Az illesztési fájl különösen fontos, ha szünet után vagy egy másik napon újraindítja a felvételt. Játsszon néhányszor a tehetség számára, és ismételje meg minden alkalommal, amíg jól nem illeszkednek.

Ha egy adott stílussal rendelkező korpuszt szeretne rögzíteni, gondosan válassza ki a kívánt stílust bemutató szkripteket. A felvétel során győződjön meg arról, hogy a hangtehetség konzisztensen tartja a hangerőt, a tempót, a hangmagasságot és a hangszínt, hogy a kívánt stílust megtestesíthesse.

Edzd a tehetségedet, hogy vegyen egy mély lélegzetet, és tartson szünetet minden egyes kimondott mondat előtt. Rögzítsen néhány másodpercnyi csendet a kimondott szövegek között. A szavakat minden alkalommal ugyanúgy kell kimondani, amikor megjelennek, figyelembe véve a kontextust. Például: a "record" ige másként van ejtve, mint a "record" főnév.

Az első felvétel előtt körülbelül öt másodpercnyi csendet rögzíthet a "szobahang" rögzítéséhez. Ez a gyakorlat segít a Speech Studio-nak kompenzálni a felvételek zaját.

Tipp.

Mindössze a hangtehetséget kell rögzítenie, így egy monofonikus (egycsatornás) felvételt készíthet csak az ő szövegeikről. Ha azonban sztereóban rögzíti, a második csatornával rögzítheti a vezérlőteremben zajló beszélgetéseket, így rögzítheti az adott sorokról vagy felvételről való megbeszéléseket. Távolítsa el ezt a sávot a Speech Studióba feltöltött verzióból.

Hallgassa meg a hangtehetség teljesítményét a fejhallgató használatával. Jó, de természetes beszédet, a megfelelő kiejtést, valamint a nemkívánatos hangok elkerülését keresi. Ne habozzon megkérni a tehetségét, hogy jegyezze fel újra azokat a kimondott szövegeket, amelyek nem felelnek meg ezeknek a szabványoknak.

Tipp.

Ha nagy számú kimondott szöveget használ, előfordulhat, hogy egyetlen kimondott szövegnek nincs észrevehető hatása az eredményül kapott egyéni hangra. Célszerűbb lehet egyszerűen feljegyezni a problémás kifejezéseket, kizárni őket az adathalmazból, és megfigyelni, hogyan alakul az egyéni hang. Bármikor visszamenni a stúdióba, hogy rögzítse a kihagyott mintákat.

Figyelje meg az egyes kimondott szövegekhez tartozó szám- vagy időkódot a szkripten. Kérje meg a mérnököt, hogy jelölje meg az egyes kimondott szövegeket a felvétel metaadataiban vagy jellapján is.

Tartson rendszeres szüneteket, és biztosítson egy italt, amely segít a hangtehetségnek, hogy jó formában tartsa a hangját.

A munkamenet után

Modern hangfelvételi stúdiók számítógépeken működnek. A munkamenet végén egy vagy több hangfájlt kap, nem szalagot. Ezek a fájlok valószínűleg WAV vagy AIFF formátumban CD-minőségben (44,1 KHz 16 bites) vagy jobb. A 24 kHz 16 bit gyakori és kívánatos. Az egyéni hang alapértelmezett mintavételezési sebessége 24 KHz. Ajánlott 24 KHz-es és magasabb mintasebességet használni a betanítási adatokhoz. Általában nincs szükség magasabb mintavételezési sebességre, például 96 KHz-re.

A Speech Studio megköveteli, hogy minden megadott kimondott szöveg a saját fájljában legyen. A stúdió által szállított hangfájlok mindegyike több kimondott szöveget tartalmaz. Ezért az elsődleges utómunkát a felvételek felosztása és a beküldésre való előkészítés céljából kell elvégezni. Előfordulhat, hogy a hangrögzítő mérnök jelölőket helyezett el a fájlban (vagy külön jellapot adott meg), hogy jelezze, hol kezdődnek az egyes kimondott szövegek.

A jegyzetek segítségével megtalálhatja a kívánt pontos elemet, majd egy hangszerkesztő segédprogrammal( például Avid Pro Tools, Adobe Audition vagy az ingyenes Audacity) másolhatja az egyes kimondott szövegeket egy új fájlba.

Gondosan hallgassa meg az egyes fájlokat. Ebben a szakaszban szerkesztheti a felvétel során kihagyott kis nemkívánatos hangokat, például egy kis ajakcsatolást egy sor előtt, de ügyeljen arra, hogy ne távolítsa el a tényleges beszédet. Ha nem tudja kijavítani a fájlt, távolítsa el az adathalmazból, és vegye figyelembe, hogy ezt megtette.

A mentés előtt konvertálja az egyes fájlokat 16 bitesre és 24 KHz-es és magasabb mintasebességre, és ha rögzítette a stúdióbeszélőt, távolítsa el a második csatornát. Mentse az egyes fájlokat WAV formátumban, és nevezheti el a fájlokat a szkript kimondott szövegszámával.

Végül hozza létre az átiratot, amely az egyes WAV-fájlokat a megfelelő kimondott szöveg szövegverziójához társítja. A hangmodell betanításához szükséges formátum részletei állnak rendelkezésre. A szöveget közvetlenül a szkriptből másolhatja. Ezután hozzon létre egy Zip-fájlt a WAV-fájlokból és a szöveges átiratból.

Archiválja az eredeti felvételeket biztonságos helyen, ha később szüksége lesz rájuk. A szkriptet és a jegyzeteket is megőrizheti.

Következő lépések

Készen állsz a felvételek feltöltésére és az egyéni hangod elkészítésére.

Hangmodell betanítása