Como abordar o texto para áudio do mmaudio
O texto para áudio do mmaudio começa com uma descrição escrita do som que você deseja, em vez de um vídeo cuja ação precisa de uma trilha sonora. Descreva a fonte, o ambiente e o tempo, depois verifique se o resultado corresponde à sua intenção.
O que é esta variante
A entrada é uma descrição sonora; o resultado pretendido é um clipe para ouvir e avaliar. Uma imagem pode sugerir uma cena, mas não pode demonstrar como o clipe soa.
Ideia de cena
Briefing de som
Esta comparação visual ilustra uma mudança no briefing, não um resultado de áudio nem um teste verificado de antes e depois.
Ideia de cenaBriefing de somPor que texto se transforma em áudio
Um briefing somente em texto é útil quando não há uma filmagem finalizada para sincronizar. A distinção abaixo diz respeito às informações fornecidas a um modelo, não a uma promessa sobre as opções disponíveis no serviço vinculado.
- Briefing orientado por texto
- Briefing orientado por vídeo
Material inicial
Briefing orientado por texto
Uma descrição sonora escrita
Briefing orientado por vídeo
Imagens em movimento, potencialmente com orientações escritas
Principal limitação
Briefing orientado por texto
As palavras especificam o que deve ser ouvido
Descrição baseada em texto
A ação visível ajuda a delimitar o que deve ser ouvido
Orientações de tempo
Descrição baseada em texto
Especifique no prompt a sequência e o intervalo entre os eventos
Descrição baseada em vídeo
Use os eventos visíveis como referências de tempo
Melhor ponto de partida
Descrição baseada em texto
Uma ideia para um som independente
Descrição baseada em vídeo
Uma filmagem que precisa de som para acompanhá-la
Possível ambiguidade
Descrição baseada em texto
Distância, intensidade ou som de fundo não especificados
Descrição baseada em vídeo
Ações visíveis, mas acusticamente pouco claras
O que avaliar
Descrição baseada em texto
Verifique se o som corresponde à descrição escrita
Descrição baseada em vídeo
Verifique o som e se ele combina com a filmagem
O bloco da ferramenta
Estas são descrições ilustrativas para praticar a criação de áudio a partir de texto. As imagens sugerem temas; não são players de áudio, resultados verificados nem provas de que um clipe específico foi gerado.
-
Camadas
1Ideia de entrada: descreva uma ação em primeiro plano e depois nomeie a ambiência mais discreta ao fundo. Procure perceber a separação, em vez de um único fluxo contínuo. Padrão de prompt ilustrativo -
Tempo
2Ideia de entrada: peça uma aproximação breve, um impacto distinto e uma cauda que desapareça gradualmente. Verifique se esses eventos ocorrem na ordem solicitada. Padrão de prompt ilustrativo -
Textura
3Ideia de entrada: especifique uma textura áspera e em close, com uma camada de fundo sutil. Compare a textura audível com as palavras escolhidas. Padrão de prompt ilustrativo
Tabela de especificações
Use a comparação acima como especificação de entrada. Para uma tentativa orientada por texto, tome três decisões antes de enviar o briefing.
-
1
Nomeie a fonte
Escreva o que produz o som: passos, vidro, vento ou outra fonte identificável. Nas discussões sobre mmaudio, texto para áudio descreve essa abordagem orientada por prompt; isso não significa converter palavras escritas em narração falada.
-
2
Defina a cena e a ordem
Adicione distância, ambiente e a ordem dos eventos. Por exemplo, um clique próximo seguido por um estrondo distante é mais fácil de testar do que um pedido de atmosfera dramática.
-
3
Ouça e revise
Avalie o resultado audível, se a geração estiver disponível, comparando-o com o briefing. Se o evento em primeiro plano desaparecer ou o tempo parecer errado, altere uma instrução por vez em vez de substituir todo o prompt.
Experimente um briefing de som mais específico
Comece com a fonte, seu ambiente e uma indicação de tempo. O link abre um serviço separado; os controles de geração disponíveis e os termos de acesso devem ser verificados nesse serviço.
Explore a geração de som- Descreva o que deve ser ouvido, não apenas o clima
- Revise o resultado ouvindo-o
- Revise um detalhe por vez
Perguntas frequentes sobre variantes
A variante guiada por texto começa com uma descrição escrita do som, em vez de imagens de vídeo. A geração condicionada por vídeo tem um ponto de partida diferente: ela usa a ação visível como contexto adicional. Verifique quais entradas o serviço que você usa realmente aceita.
Não. Aqui, o texto descreve uma cena sonora ou um efeito a ser gerado; a conversão de texto em fala busca ler palavras em voz alta. Se você precisa de narração, procure um serviço que ofereça explicitamente geração de fala.
Identifique a fonte do som, descreva o ambiente ao redor e especifique qualquer sequência ou mudança importante. Detalhes concretos, como perto ou longe, ou um único impacto em vez de impactos repetidos, dão a você critérios mais claros para avaliar o resultado ao ouvi-lo.
Ao ouvir, verifique a fonte sonora solicitada, o momento em que os sons ocorrem, a textura e o equilíbrio com os sons de fundo. Uma imagem não pode confirmar nenhuma dessas características, e um clipe plausível ainda pode não corresponder à ação pretendida. Compare o que você ouve com a descrição original antes de decidir o que revisar.