Sådan optager du en stemmeprøve, der faktisk lyder som dig

Når en klonet stemme lyder forkert, får AI’en skylden. Som regel gjorde AI’en præcis, hvad den blev bedt om — den modellerede trofast en optagelse lavet i et køkken, kl. 20 om aftenen, af en person, der lavede en mærkelig speakerimitation, fordi der var tændt en mikrofon.

Optagelsen er hele løbet. Her er det, der reelt rykker, nogenlunde i rækkefølge efter betydning.

1. Fjern baggrundsstøjen

Det her betyder mere end alt det andet tilsammen.

En stemmemodel kan ikke skille dig rent fra dine omgivelser. Den lærer rummet. En opvaskemaskine, der kører to meter væk, bliver en del af det, modellen tror din stemme er, og hver eneste historie bagefter bærer et svagt spøgelse af den.

Sådan gør du:

• Luk døren. Et soveværelse med bløde overflader er ideelt — senge, gardiner og gulvtæppe suger refleksionerne.
• Sluk alt med en motor eller en blæser. Opvaskemaskine, emhætte, ventilation.
• Luk vinduet. Trafik er værre, end folk regner med.
• Undgå badeværelset og køkkenet. Hårde overflader giver rumklang, og rumklang bliver bagt permanent ind.

Du behøver ikke stilhed. Du har brug for fravær af bestemte konkurrerende lyde.

2. Læs, som du læser for dit barn

I det øjeblik der dukker en mikrofon op, sætter de fleste tempoet ned, sænker tonelejet og begynder at fortælle som en dokumentar. Så lyder klonen sådan — en let højtidelig fremmed med din accent.

Løsningen er mental. Forestil dig dit barn ved siden af dig, halvt i søvne, og læs for det billede. Lidt for afslappet er meget bedre end lidt for indstuderet.

Fanger du dig selv i at lave Stemmen, så stop og start forfra. Det tager tyve sekunder.

3. Hold telefonen rigtigt

En telefonmikrofon er god. Folk bruger den dårligt.

• En håndsbredde fra munden. Tættere på giver du poppelyde på hvert “p” og “b”. Længere væk sniger rummet sig ind.
• Lidt ude til siden, ikke lige ind i den. Så rammer din vejrtrækning forbi mikrofonen.
• Dæk ikke underkanten til. På de fleste telefoner sidder hovedmikrofonen der, og en tommelfinger hen over den er den absolut hyppigste årsag til en dumpet, uklar optagelse.
• Tag coveret af, hvis det er et tykt et.

Høretelefoner er som regel et skridt tilbage, ikke frem. Deres mikrofoner er trimmet til telefonsamtaler — de komprimerer kraftigt og skærer de dybe frekvenser væk, og det fjerner præcis den varme, der gør en stemme genkendelig. Telefonen selv er bedre.

4. Giv den et helt minut, hvis du kan

Tredive sekunder kan give en brugbar model. Et minut giver en mærkbart mere stabil en, især på usædvanlige sætninger.

Mere lyd betyder flere eksempler på, hvordan du håndterer forskellige lyde, så modellen gætter mindre. Viser appen dig en tekst, så læs det hele frem for at stoppe der, hvor den siger, du har nok.

5. Læs teksten, som den står

Er der en tekst på skærmen, så læs de ord. Apps kører ofte en tale-til-tekst-kontrol, der sammenligner det, du sagde, med det, du skulle sige, som en indikator for “var den her optagelse tydelig nok til at kunne bruges”. Improviserer du, dumper du den kontrol, også når lyden er fin.

Snubler du i ordene, vil de fleste apps hellere have, at du starter forfra end presser igennem — rene tres sekunder slår halvfems sekunder med et host i midten.

6. Vær i normal tilstand

En træt stemme ved midnat giver en træt klingende klon. Det samme gør en forkølelse, og det samme gør efterdønningerne af et skænderi om tandbørstning.

Du behøver ikke være frisk. Du skal være nogenlunde i nærheden af dig selv, for det er den stemme, dit barn genkender. Er du forkølet, så vent to dage. Den model, du laver på fem minutter, er den, du kommer til at høre i månedsvis.

En rutine på tres sekunder

1. Soveværelse, lukket dør, alt med en motor slukket.
2. Telefonen i hånden, en håndsbredde væk, lidt ude til siden, underkanten fri.
3. Én prøvelæsning af første linje, højt, for at ryste speakerstemmen af sig.
4. Optag hele teksten i dit almindelige læsetempo.
5. Lyt den igennem. Stil ét spørgsmål: lyder det som mig, der taler, eller som mig, der optræder?
6. Er det optræden, så tag den én gang til. Den bliver bedre.

Hvad der stadig ikke bliver perfekt

Selv med en fejlfri optagelse skal du regne med, at klonen bliver en anelse mere afdæmpet udgave af dig. Optrædelseslaget — ulvestemmen, den dramatiske pause, hvisken mens de driver væk — er der, hvor forskellen bliver.

Det er værd at vide, så du ikke bliver skuffet. Det, der overlever, er det, der betyder mest for et lille barn: lyden af dig. Børn genkender den konsekvent med det samme, og det er hele pointen.

Efter du har optaget

To vaner, der er værd at have:

Hør en hel historie igennem, før du regner med den. En optagelse kan lyde fin isoleret set og afsløre et problem hen over tre minutters fortælling.

Optag om, hvis dine omstændigheder ændrer sig. Kommet dig efter en lang sygdom, eller lavede du den første i en larmende lejlighed, du siden er flyttet fra? En ny optagelse tager et minut, og du kan slette den gamle profil.

Og vil du helst ikke have en stemmeprofil liggende permanent, er det helt rimeligt at slette den og optage igen senere — privatlivsspørgsmålene, der er værd at stille forklarer, hvorfor nogle forældre foretrækker at gøre det på den måde.

Klar til at prøve? Taletune er gratis til iOS og Android, og du ved inden for et par minutter, om resultatet lyder som dig.