Audiofilter
    Stem veranderen

    AI-STEMVERVORMER

    AI-stemvervormer die in je browser draait

    Twee clips erin, één eruit. De eerste levert de woorden, de timing en de voordracht; de tweede levert de stem. Het audiofilter van Audiofilter doet de omzetting in dit tabblad — geen van beide clips wordt geüpload, en er is geen account.

    LOKAAL AUDIOLAB

    Verander een stem

    Geef hem iets om om te zetten, en een voorbeeld van de stem waarnaar omgezet moet worden.
    Tot 10 secondenDit model heeft ongeveer 18 seconden rekentijd nodig per seconde audio — een clip van vijf seconden betekent dus ongeveer anderhalve minuut wachten, en tien seconden ongeveer drie minuten. Daar komt de limiet vandaan, en daarom is een korte clip de comfortabele keuze. Het werk draait op jouw processor, niet op de onze.
    De opname om om te zettenbron

    Wat hier gezegd wordt, is wat eruit komt — alleen de stem verandert.

    Of neem op met je microfoon.
    De stem om naar om te zettenreferentie

    Een voorbeeld van de doelspreker. Schone spraak van één persoon werkt het beste.

    Of neem op met je microfoon.

    Gebruik dit niet om je voor iemand anders uit te geven of voor enig ander onrechtmatig doel. Zie de Voorwaarden.

    Wat het eigenlijk doet

    Dit is een klankkleurconverter, en dat is iets nauwers en voorspelbaarders dan “stemvervormer” normaal suggereert. Het verandert niet wat er gezegd wordt of hoe het gezegd wordt. Je opname houdt zijn woorden, zijn ritme, zijn pauzes en zijn nadruk; wat vervangen wordt, is de identiteit van de spreker.

    Het mechanisme, in de volgorde waarin het draait: een referentie-encoder beluistert je stemvoorbeeld en verdicht het tot 256 getallen — dat is hier de volledige weergave van een stem. Een posterior-encoder zet je opname om in een latente reeks. Een normaliserende flow stuurt die reeks vervolgens vooruit naar een sprekerneutrale ruimte en er weer uit, geconditioneerd op die 256 getallen, en een vocoder bouwt daaruit een golfvorm op.

    De flow is het enige deel dat de spreker-embedding ziet, en daarom is de omzetting zo schoon als hij is: de encoder en de vocoder doen sprekeronafhankelijk werk, en de identiteitswissel gebeurt op één plek.

    Dit is geen tekst naar spraak

    Hij heeft audio nodig om vanaf te werken en doet niets met getypte woorden. Wil je spraak die uit tekst wordt gegenereerd — met zijn eigen stemklonen — dan is dat de tekst-naar-spraaktool in plaats daarvan.

    Wat het kost om lokaal te draaien

    Eerlijke cijfers, gemeten aan deze build in plaats van geraden:

    OnderdeelCijferWaarom
    Download bij het eerste bezoekOngeveer 102 MB, eenmaligDe gewichten van de converter, in vijf stukken omdat een statische host bestanden op 25 MiB aftopt. Daarna staat het in de cache.
    OmzettingssnelheidOngeveer 18 s rekentijd per 1 s audioDrie WaveNet-fasen nemen 82 procent daarvan, de vocoder de rest. Er is geen enkele hotspot die je eruit kunt halen.
    CliplengteTot 10 seconden erin, 30 seconden referentieVijf seconden betekent al ongeveer anderhalve minuut wachten, en langer maakt het alleen langer. De referentie is goedkoop — de encoder ervan kost ongeveer 6 ms.
    Uitvoer22 050 Hz mono, 32-bits float WAV22 050 Hz is de interne samplefrequentie van het model. Float in plaats van 16-bits, zodat stille passages hun detail houden.

    Een resultaat krijgen dat het bewaren waard is

    Waar het niet zal werken

    Wiens stem je gebruikt, is het deel dat telt

    De tool zet om naar welke referentie je hem ook geeft, en juist daarom is die keuze iets waarvoor jij verantwoordelijk bent. De stem van een echt persoon klonen zonder diens instemming kan portretrechtelijke aanspraken schenden, en verschillende rechtsgebieden hebben nu specifieke wetten over stemgelijkenis — auteursrecht is niet de enige vraag die speelt. Gebruik je eigen stem, of een stem die je mag gebruiken. Hier wordt niets geüpload, dus dit is geen politiewerk van onze kant; het is een aantekening dat de verantwoordelijkheid ligt bij wie op de knop drukt.

    Niet voor onrechtmatig gebruik. Een omgezette stem doen voorkomen als die van iemand anders, een persoon of een spraakauthenticatiesysteem misleiden, intimidatie, smaad — daar is deze tool niet voor bedoeld, en niets daarvan is minder onrechtmatig omdat de omzetting op je eigen machine gebeurde. Wat de wet toestaat verschilt per land, en binnen de wet blijven waar jij bent, is jouw verantwoordelijkheid. Op je gebruik van deze site zijn van toepassing de Voorwaarden.

    De rest van de audiofilterset van Audiofilter

    VRAGEN & ANTWOORDEN

    Veelgestelde vragen

    Hoe werkt deze AI-stemvervormer?

    Het is een klankkleurconverter. Je opname levert de woorden, de timing en de voordracht; de referentieclip levert de stemidentiteit. Een referentie-encoder zet het voorbeeld om in een spreker-embedding van 256 getallen, en een normaliserende flow herconditioneert je audio op die embedding voordat een vocoder de golfvorm opnieuw opbouwt.

    Moet ik iets typen, zoals bij een tekst-naar-spraaktool?

    Nee, en vanuit tekst werkt het niet. Dit zet audio om die je al hebt. Wil je liever spraak uit getypte woorden, gebruik dan de tekst-naar-spraaktool, die zijn eigen stemklonen heeft.

    Wordt mijn audio ergens geüpload?

    Nee. Het model wordt één keer naar je browser gedownload en de omzetting draait daar. Open het netwerkpaneel voordat je omzet: elk verzoek is een download van het model van deze site, en niets draagt je audio de andere kant op.

    Hoe lang duurt een omzetting?

    Ongeveer 18 seconden rekentijd per seconde audio, dus een clip van vijf seconden duurt ongeveer anderhalve minuut. Dat is gemeten, niet geschat — het werk draait op je eigen processor in plaats van op een server, en dit model is zwaar.

    Hoe lang mag de clip zijn die ik omzet?

    Tot 10 seconden, en een korte clip is de comfortabele keuze. Dat volgt rechtstreeks uit het cijfer hierboven: vijf seconden is ongeveer anderhalve minuut wachten en tien seconden ongeveer drie minuten. De limiet is waar het geduld ophoudt, niet een betaald abonnement.

    Hoe lang moet de referentieclip zijn?

    Vijf tot vijftien seconden schone spraak van één persoon is meer dan genoeg. Langer helpt niet: de referentie-encoder kost hoe dan ook ongeveer 6 milliseconden, en hij verdicht de hele clip zo of zo tot 256 getallen.

    Waarom klinkt de uitvoer als mijn kamer?

    Omdat een stemvoorbeeld de ruimte met zich meedraagt. De converter geeft weer wat hij in de referentie hoort, inclusief galm, gesis en het karakter van de microfoon. Neem de referentie ergens stil op, of schoon hem eerst op met de ruisonderdrukker.

    Welke samplefrequentie heeft de uitvoer?

    22 050 Hz mono, de frequentie waarop het model intern werkt. Het wordt gedownload als 32-bits float WAV, zodat stille passages hun detail houden.

    Kan ik hiermee de stem van wie dan ook klonen?

    Technisch zet hij om naar welke referentie je hem ook geeft, en juist daarom telt die keuze. Een echt persoon klonen zonder diens instemming kan portretrechtelijke aanspraken schenden en, in verschillende rechtsgebieden, specifieke wetten over stemgelijkenis — auteursrecht is niet de enige vraag. Gebruik je eigen stem, of een stem die je mag gebruiken.

    Hoe groot is de download, en herhaalt hij zich?

    Ongeveer 102 MB, eenmalig. De browser zet het in de cache, dus latere bezoeken beginnen direct met omzetten. Het komt in vijf stukken aan omdat een statische host individuele bestanden op 25 MiB aftopt.

    Een opname opschonen in plaats van opnieuw inspreken?

    Open de ruisonderdrukker → Open tekst-naar-spraak →