Fehlerbehebung

Wenn die generierte Sprachausgabe in Lautstärke oder Klang variiert, liegt das häufig an Inkonsistenzen im Trainingsaudio des Stimmenklons.

• Kompression anwenden: Komprimieren Sie das Trainingsaudio, um den Dynamikbereich zu verringern und ein konsistentes Audio zu gewährleisten. Streben Sie einen RMS-Wert zwischen -23 dB und -18 dB sowie einen True Peak unter -3 dB an.
• Hintergrundgeräusche: Stellen Sie sicher, dass das Trainingsaudio nur die Stimme enthält, die Sie klonen möchten — keine Musik, Geräusche oder Knackser. Hintergrundgeräusche, plötzliche Energieausbrüche oder konstante niederfrequente Energie können die KI weniger stabil machen.
• Konsistenz der sprechenden Person: Stellen Sie sicher, dass die sprechende Person einen gleichbleibenden Abstand zum Mikrofon hält und Flüstern oder Schreien vermeidet. Abweichungen können zu uneinheitlicher Lautstärke oder Klangfarbe führen.
• Audiolänge:
  • Instant Voice Cloning: Verwenden Sie 1–2 Minuten konsistentes Audio. Konsistenz bei Klangfarbe, Sprechweise, Akzent und Qualität ist entscheidend.
  • Professional Voice Cloning: Verwenden Sie für beste Ergebnisse mindestens 30 Minuten, idealerweise mehr als 2 Stunden, konsistentes Audio.

Um Probleme zu minimieren, sollten Sie Ihren Text in kleinere Segmente unterteilen. So bleibt die Lautstärke konsistent und die Qualität nimmt bei längeren Audiogenerierungen weniger ab. Nutzen Sie ElevenCreative Studio, um mehrere kleinere Audiosegmente gleichzeitig zu generieren und so bessere Qualität und Konsistenz zu erzielen.

Die mehrsprachigen Modelle können bestimmte Wörter gelegentlich falsch aussprechen, auch auf Englisch. Das Problem wirkt willkürlich, scheint jedoch von Stimme und Text abhängig zu sein. Es tritt häufiger bei bestimmten Stimmen und Texten auf, insbesondere bei Wörtern, die auch in anderen Sprachen vorkommen.

• ElevenCreative Studio verwenden: Diese Funktion hilft, Probleme mit Fehlaussprachen zu minimieren, die bei längeren Textabschnitten mit Speech Synthesis häufiger auftreten. Sie beseitigt das Problem zwar nicht vollständig, kann es jedoch vermeiden helfen und erleichtert die Neugenerierung einzelner Abschnitte, ohne den gesamten Text neu erstellen zu müssen.
• Korrekt geklonte Stimmen: Wie bei Problemen mit Inkonsistenzen kann eine korrekt geklonte Stimme in den gewünschten Sprachen Fehlaussprachen reduzieren.
• Aussprache festlegen: Wenn Sie ElevenCreative Studio nutzen, sollten Sie die Aussprache bestimmter Wörter festlegen, etwa von Charakternamen und Markennamen oder die Lesart von Akronymen. Weitere Informationen finden Sie im Abschnitt zum Aussprachewörterbuch unseres Leitfadens zu ElevenCreative Studio.

Die KI kann innerhalb einer einzelnen Generierung manchmal die Sprache oder den Akzent wechseln, insbesondere bei längeren Generierungen. Dieses Problem ähnelt Fehlaussprachen und wir arbeiten aktiv daran, es zu verbessern.

• Korrekt geklonte Stimmen verwenden: Ein Instant Voice Clone oder Professional Voice Clone, der mit hochwertigem, konsistentem Audio in der gewünschten Sprache trainiert wurde, kann dieses Problem verringern. In Kombination mit ElevenCreative Studio lässt sich die Stabilität weiter verbessern.
• Einschränkungen von Stimmen verstehen: Standard- und generierte Stimmen sind hauptsächlich Englisch und können bei anderen Sprachen einen englischen Akzent haben. Wenn Sie eine Stimme klonen, die die Zielsprache mit dem gewünschten Akzent spricht, erhält die KI besseren Kontext. Das verringert die Wahrscheinlichkeit eines Sprachwechsels.
• Sprachauswahl: Derzeit bestimmt die KI die Sprache anhand des eingegebenen Texts. Schreiben in der gewünschten Sprache ist entscheidend, besonders bei vorgefertigten englischbasierten Stimmen, da diese einen englischen Akzent einbringen können.
• Optimale Textlänge: Bei kürzeren Textsegmenten behält die KI eher einen konsistenten Akzent bei. Halten Sie Textgenerierungen mit Text to Speech für beste Ergebnisse unter 800–900 Zeichen. Der Workflow von ElevenCreative Studio kann längere Texte durch die Aufteilung in kleinere, besser handhabbare Segmente verwalten.

Die Modelle können bestimmte Zahlen, Symbole und Akronyme falsch aussprechen. Beispielsweise werden die Zahlen „1, 2, 3“ im Englischen möglicherweise als „one“, „two“, „three“ ausgesprochen. Um die korrekte Aussprache in einer anderen Sprache sicherzustellen, schreiben Sie sie phonetisch oder ausgeschrieben, so wie sie gesprochen werden sollen.

• Beispiel: Damit die Zahl „1“ auf Französisch ausgesprochen wird, schreiben Sie „un“.
• Symbole: Geben Sie an, wie Symbole gelesen werden sollen, z. B. „$“ als „dollar“ oder „euro“.
• Akronyme: Schreiben Sie Akronyme phonetisch aus.

Beschädigte Sprachausgabe ist ein seltenes Problem, bei dem das Modell gedämpftes oder verzerrtes Audio generiert. Dies tritt unvorhersehbar auf, und wir haben bisher keine Ursache identifiziert. Wenn es auftritt, generieren Sie den Abschnitt erneut, um das Problem zu beheben.

Die Audioqualität kann bei längeren Text-to-Speech-Konvertierungen abnehmen. Teilen Sie den Text zur Abhilfe in Abschnitte mit weniger als 800 Zeichen auf.

• Stimmenauswahl: Manche Stimmen sind anfälliger für Qualitätsverluste. Verwenden Sie hochwertige Samples für geklonte Stimmen, um Artefakte zu minimieren.
• Stabilität und Ähnlichkeit: Passen Sie diese Einstellungen an, um das Stimmverhalten und die Auffälligkeit von Artefakten zu beeinflussen. Bewegen Sie den Mauszeiger über jede Einstellung, um weitere Details anzuzeigen.

Bei einigen Stimmen kann diese Stimmeinstellung zu Instabilität führen, darunter uneinheitliche Geschwindigkeit, Fehlaussprachen und zusätzliche Geräusche. Wir empfehlen, diese Einstellung auf 0 zu lassen, besonders wenn diese Probleme in Ihrem generierten Audio auftreten.

Die Importfunktion versucht, die von Ihnen auf die Website hochgeladene Datei zu importieren. Prüfen Sie den Import wegen der unterschiedlichen Website-Strukturen und Buchformatierungen, einschließlich Bildern, immer auf Richtigkeit.

• Kapitelbilder: Wenn Kapitel eines Buchs mit einem Bild als erstem Buchstaben beginnen, erkennt die KI den Buchstaben möglicherweise nicht. Fügen Sie den Buchstaben manuell zu jedem Kapitel hinzu.
• Absatzstruktur: Wenn Text als einzelner langer Absatz importiert wird, statt der ursprünglichen Buchstruktur zu folgen, funktioniert er möglicherweise nicht korrekt. Stellen Sie sicher, dass der Text seine ursprünglichen Zeilenumbrüche beibehält. Wenn das Problem weiterhin besteht, kopieren Sie den Text und fügen Sie ihn ein. Falls auch das nicht funktioniert, muss das Textformat möglicherweise konvertiert oder überarbeitet werden.
• Bevorzugtes Format: EPUB ist das empfohlene Dateiformat zum Erstellen eines Projekts in ElevenCreative Studio. Ein gut strukturiertes EPUB teilt jedes Kapitel in ElevenCreative Studio automatisch auf und erleichtert die Navigation. Stellen Sie sicher, dass jede Kapitelüberschrift als „Überschrift 1“ formatiert ist, damit sie korrekt erkannt wird.

Gelegentlich können zwischen Absätzen Störungen oder scharfe Atemgeräusche auftreten. Dies ist selten und unterscheidet sich von üblichen Problemen mit Text to Speech. Wenn es auftritt, generieren Sie den vorhergehenden Absatz erneut, da das Problem oft dort entsteht.