كيفية اختبار مدة الصوت المرجعي لاستنساخ الصوت

لا توجد إجابة رقمية عامة لسؤال «كم ثانية هي الأفضل؟». عشر ثوانٍ نظيفة قد تتفوق على تسجيل أطول فيه موسيقى أو أكثر من متحدث أو تغير في البيئة.

يقبل IndexTTS Online مراجع قصيرة في نطاق يقارب 3–30 ثانية. اختبر داخل هذا النطاق بدل افتراض أن الحد الأقصى هو الأفضل.

ابدأ من master واحد

سجّل 30 ثانية مستمرة بنفس المتحدث والغرفة والميكروفون، ثم أنشئ نسخًا 5 و10 و20 و30 ثانية بحدود جمل نظيفة.

ثبّت النص الهدف

استخدم كلامًا طبيعيًا من جملتين على الأقل، وتجنب الأسماء والأرقام الصعبة أثناء اختبار المدة.

ثبّت النموذج وعناصر التحكم

أبقِ model وlanguage وtext وemotion وpace وproduct path ثابتة. مقارنة النماذج تجربة أخرى.

ماذا تسمع؟

• الهوية: هل يبقى الصوت شبيهًا بالمتحدث؟
• الوضوح: هل الحروف وحدود الكلمات نظيفة؟
• Prosody: هل الإيقاع طبيعي؟
• Artifacts: هل يوجد buzz أو texture معدني أو أصوات مكررة؟
• الثبات: هل تتكرر الجودة في أكثر من run؟

التقييم الداخلي ليس MOS

يمكنك إعطاء Identity وClarity وStability درجات داخلية، لكن سلم 1–5 داخلي لا يصبح Mean Opinion Score معياريًا. لا تنشره كـ MOS دون دراسة استماع موثقة.

لماذا قد يفيد المرجع القصير؟

أسهل للمراجعة والقص والتخزين، ويقل فيه احتمال دخول ضوضاء أو متحدث ثانٍ.

لماذا قد يفيد المرجع الطويل؟

إذا بقي نظيفًا، قد يحتوي أمثلة أكثر على الحروف والمدى والإيقاع. لكن الوقت الإضافي الذي يضيف إشارات متعارضة ليس فائدة.

احسب الكلام الفعلي لا الصمت

ملف عشر ثوانٍ فيه خمس ثوانٍ صمت لا يحتوي عشر ثوانٍ من المعلومات الصوتية.

ثبّت أسلوب الأداء

لا تخلط الهدوء والصراخ إذا كان المتغير المطلوب هو المدة.

لا تجمع بيئات مختلفة

الغرف والميكروفونات وgain المختلفة تجعل الاختبار عن أكثر من المدة.

تجربة عملية

master 30s → نسخ 5/10/20/30 → نفس paragraph → نفس الإعدادات → استماع ويفضل blind → تسجيل المعايير → إعادة أفضل مرشحين → حفظ أقصر مرجع يظل ثابتًا.

اختبر الفائز بنص ثانٍ

قد يناسب مرجع جملة واحدة بالمصادفة.

المبدأ النهائي

لا تقل «30 ثانية دائمًا الأفضل» ولا «5 ثوانٍ تكفي للجميع». استخدم أنظف مرجع وأكثره تمثيلًا والذي يثبت في مشروعك، وأثبت ذلك باختبار محكوم.