AI Video Yap'ta metnin, seçtiğin sesle birlikte ElevenLabs'in seslendirme modeline gider; varsayılan model Eleven v4'tür. Dönen kayıt 44,1 kHz ve 192 kbps MP3 olarak, yanında SRT altyazı dosyasıyla hesabına düşer; dinler, indirir, istersen aynı metni başka bir sesle yeniden üretirsin. Türkçe seslendirme için çok dilli genel sesler yerine gerçek Türk seslendirme sanatçılarının 14 sesi kullanılır; seslerin çoğu İstanbul aksanlıdır. Sonucun ne kadar doğal çıkacağını modelden çok metnin kendisi belirler.
Hangi yazılar sese çevrilir?
Word belgesi, PDF, web sayfası, ders notu, sunum metni ya da sosyal medya gönderisi: kopyalayabildiğin her Türkçe yazıyı sese çevirebilirsin. Dosya yüklenmez; metni kopyalayıp kutuya yapıştırırsın. PDF'ten kopyalanan metinde satır sonları, sayfa numaraları ve üst bilgiler araya karışabilir; seslendirmeden önce bunları silmek okunuşu düzeltir.
Metni okunacak hâle getirmek
- Noktalama işaretleri tonlamayı ve duraklamaları belirler. Uzun cümleleri virgülle bölmek okunuşu rahatlatır.
- Soru ve ünlem işaretleri tonu değiştirir. Cümlenin nasıl okunmasını istiyorsan işaretini ona göre koy.
- Kısaltmalar yanlış okunabilir. “TL” yerine “lira”, “vb.” yerine “ve benzeri” yazmak sonucu düzeltir.
- Rakamları açık yazmak daha güvenlidir: “3 gün” yerine “üç gün”.
- Yabancı özel adlar okunduğu gibi yazıldığında daha doğru telaffuz edilir.
Tonlamayı yönetmek: ses etiketleri ve ayarlar
Eleven v4, v4 Turbo ve v3'te metnin içine köşeli parantezle ses etiketi yazabilirsin: [heyecanlı], [fısıldayarak], [güler], [kısa duraklama] gibi. Etiket okunmaz, sesin tonuna dönüşür. Aynı modellerde okuma tarzını Coşkulu, Doğal ya da Sakin olarak seçersin. Okuma hızı 0,7×–1,2× arasında ayarlanır. Multilingual v2'de ise stil, benzerlik ve netlik kaydırıcıları vardır. İstersen sese telefon, eski radyo, salon ya da kafe gürültüsü gibi bir ortam efekti eklersin.
Nerede kullanılır?
Reklam ve tanıtım seslendirmesi, eğitim videolarının anlatımı, telefon karşılama ve santral anonsları, sosyal medya videolarının dış ses anlatımı en yaygın kullanımlar. İndirdiğin MP3 dosyasını kurgu programında doğrudan ses bandı olarak kullanabilirsin.
Video ile birleştirmek
Sesin bir yüzle konuşması gerekiyorsa fotoğrafı konuşturma aracı aynı sesleri kullanır ve dudak hareketlerini sese göre eşleştirir. Ürün tanıtımı için UGC reklam videosu aracı da aynı seslendirme kadrosundan beslenir. Video modelleri Türkçe konuşmayı güvenilir biçimde üretemediği için bu iki adım ayrı çalışır. Yapay zeka ile sanal bir karakter kuruyorsan, seslendirmenin o akıştaki yerini AI influencer nasıl yapılır rehberinde anlattık.
Sesli okuma ile farkı
Tarayıcıların ve telefonların sesli okuma (metin okuma) özellikleri, ekrandaki metni o an dinlemen içindir. Örneğin Microsoft Edge'de metni seçip sağ tıkladığında çıkan “Seçimi sesli oku” komutu bunu yapar (Microsoft Edge Sesli oku). Seslendirme ise yayınlayacağın, videoya ekleyeceğin ya da santrale yükleyeceğin bir ses dosyası üretir. Uzun bir belgeyi yalnızca dinlemek istiyorsan cihazının sesli okuma özelliği yeter; dosya gerekiyorsa bu araç işini görür.
Uzun bir yazıyı seslendirmek
Tek seferde 5.000 karakter, yani yaklaşık 5 dk 57 sn konuşma seslendirilir. Daha uzun bir yazıyı paragraf sonlarından ya da cümle bitişlerinden bölüp her parçayı ayrı seslendir; cümlenin ortasından bölmek okunuşta kopukluk yaratır. Bütün parçalarda aynı sesi ve aynı modeli seçersen kayıtların tınısı ve hızı birbirine yakın olur. Örneğin 10.000 karakterlik bir yazı iki parçada biter, yaklaşık 11 dk 54 sn konuşma eder ve v4 ile 100, v4 Turbo ile 50 kredi tutar. Parçaları kurgu programında art arda dizerek tek bir ses bandı yaparsın.
Sınırlar
Tek seferde 5.000 karaktere kadar metin seslendirilir; diyalogda toplam sınır 2.000 karakter ve en çok on farklı sestir. Ses klonlama yoktur: kendi sesini yükleyip taklit ettiremezsin, kadrodaki hazır seslerden birini seçersin. Müzikte gerçek bir sanatçının ya da şarkının adı yazılmaz; bilinen bir şarkıyı veya sanatçının sesini taklit ettiremezsin.