قابلیتهای بخش صدا و موسیقی
آموزش کار با قابلیتهای جدید صدا و موسیقی در مایهوش شامل ساخت گفتار، تبدیل گفتار به متن و زیرنویس و ساخت موسیقی با هوش مصنوعی.
معرفی بخش جدید صدا و موسیقی در مایهوش
مایهوش پس از بخشهای تصویر و تولید ویدیو، بخش صدا و موسیقی را در سه زیرمجموعه اصلی ارائه کرده است:
- ساخت گفتار
- تبدیل گفتار به متن
- ساخت موسیقی
نحوه استفاده از بخش ساخت گفتار
برای تبدیل متن به گفتار صوتی، مراحل زیر در این بخش انجام میشود:
- انتخاب مدل هوش مصنوعی: انتخاب مدل مورد نظر مانند
جمینای سه و هشت. - تعیین زبان: قرار دادن زبان روی گزینه فارسی.
- نوشتن متن دیالوگ: وارد کردن متن مورد نظر برای خواندهشدن.
- تنظیم دستور اجرای کار: نوشتن جزئیات گوینده و لحن بیان؛ برای مثال تعیین گفتار توسط یک دختر جوان با لحن مضطرب و نگران.
- ساخت: کلیک بر روی دکمه ساخت جهت تولید فایل صوتی.
تبدیل گفتار به متن و استخراج زیرنویس
این بخش برای پیادهسازی متن فایلهای صوتی طراحی شده است:
- امکان انتخاب مدل و تنظیم زبان روی فارسی وجود دارد.
- میتوان صدای هر ویدیویی را استخراج کرد و فایل صدا را در این قسمت بارگذاری نمود.
- سیستم تمام مکالمات موجود در ویس را شناسایی کرده و آن را در قالب متن یا فرمت سابتایتل و زیرنویس برای استفاده روی ویدیوها ارائه میدهد.
تولید موسیقی با هوش مصنوعی
بخش ساخت موسیقی امکان ساخت قطعات موزیکال را فراهم میکند:
- انتخاب مدل: انتخاب از میان مدلهای مختلف نظیر مدل
لیریا کلیپ. - زبان قطعه: انتخاب زبان فارسی.
- متن ترانه: وارد کردن متن شعر در کادر مربوطه.
- بخش توضیح موسیقی: وارد کردن سبک و حس موسیقی، مانند مشخص کردن حالت کمدی و پرانرژی.
- تولید نهایی: کلیک روی گزینه ساخت برای ایجاد قطعه موسیقی.
متن کامل ویدیوبرای مطالعه یا جستجو باز کنید
بریم با هم قابلیت جدید مایهوش رو بررسی بکنیم. خب ما بخش تصویر رو داشتیم، بخش تولید ویدیو رو داشتیم و الان صدا و موسیقی توی سه تا زیرمجموعه ساخت گفتار، تبدیل گفتار به متن و ساخت موسیقی اضافه شده. بریم توی ساخت گفتار. اینجا مدل هوش مصنوعی رو من روی جمینای سه و هشت میذارم و زبان رو روی فارسی میذارم و متن هم رو هم مینویسم. مثلاً مینویسم اوضاع خرابه و انگار میخواد دوباره جنگ بشه. تو بخش دستور اجرای کار هم مینویسم که یه دختر جوان با لحن مضطرب و نگران در واقع این دیالوگ رو صحبت کنه. در نهای روی ساخت کلیک میکنیم و گفتارمون ساخته میشه. اوضاع خرابه. انگار میخواد دوباره جنگ بشه. توی بخش تبدیل گفتار به متن هم اینجا باز میتونیم مدلمون رو انتخاب بکنیم و زبان رو فارسی و بارگذاری صدا. اینجا میتونیم فایل صدامون رو بارگذاری بکنیم. حالا میتونیم از هر ویدیویی صداش رو استخراج بکینم، اینجا جداگانه بارگذاری بکینم و تمام مکالمات توی اون ویس رو به عنوان یک متن در اختیار ما میذاره. حتی با فرمت متن یا با فرمت سابتایتل و زیرنویس در اختیارمون میذاره که بتونیم روی ویدیوها استفاده کنیم. و اما بخش جالب کار ساخت موسیقیه. باز اینجا مدلهای مختلفی رو داریم. من روی لیریا کلیپ میذارم تقریبا بهترینشونه. زبانش هم فارسی و میام شعرم رو اینجا مینویسم. توی بخش توضیح موسیقی هم مینویسم که کمدی و پرانرژی و در نهایت روی ساخت کلیک میکنم. مایهوش مایهوش رفیق باهوش من ایده میدم تو بزن جوش. گفتم یه ویلا وسط کویر گفت عکس میخوای یا فیلم مودی؟ گفتم شبش کن چراغا روشن موبایلا رو عوض کن دیوارا گلشن. کارفرما گفت به به چه کاری. گفتم اینا حاصل شب بیداری. مایهوش از اون گوشه گفت داداش تو خواب بودی یکم یواش.
پرسشهای متداول
بخش صدا و موسیقی مایهوش شامل چه زیرمجموعههایی است؟
این بخش دارای سه ابزار ساخت گفتار، تبدیل گفتار به متن و ساخت موسیقی است.
خروجی بخش تبدیل گفتار به متن به چه صورت در دسترس قرار میگیرد؟
مکالمات موجود در صوت به صورت فرمت متنی ساده و همچنین با فرمت سابتایتل و زیرنویس برای قرار دادن روی ویدیوها ارائه میشود.
در بخش ساخت گفتار چگونه میتوان لحن گوینده را مشخص کرد؟
در قسمت دستور اجرای کار میتوان ویژگیهای گوینده و لحن آن، مانند یک دختر جوان با لحن مضطرب و نگران را توصیف کرد.
برای ساخت موسیقی چه مواردی باید در سامانه ثبت شود؟
انتخاب مدل (مانند لیریا کلیپ)، انتخاب زبان، وارد کردن متن شعر و نوشتن توضیحات سبک موسیقی (مانند کمدی و پرانرژی) مورد نیاز است.