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?
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?