วิธีสร้างเสียงบรรยายด้วย Gemini

วิธีสร้างเสียงบรรยายด้วย Gemini ที่สามารถควบคุมข้อความ น้ำเสียง ความเร็ว และดาวน์โหลดเป็นไฟล์เสียงได้อย่างแม่นยำ ควรใช้ Gemini Text-to-Speech ผ่าน Google AI Studio โดยเลือกโมเดล Gemini TTS วางสคริปต์ เลือกเสียง กำหนดรูปแบบการอ่าน แล้วสั่งสร้างไฟล์เสียง

Gemini TTS รองรับทั้งเสียงผู้พูดคนเดียวและบทสนทนาสองคน สามารถอ่านภาษาไทย ควบคุมอารมณ์ สำเนียง จังหวะ การเว้นวรรค และรูปแบบการนำเสนอด้วยคำสั่งภาษาธรรมชาติ เหมาะสำหรับวิดีโอ YouTube, TikTok, Podcast, หนังสือเสียง บทเรียนออนไลน์ โฆษณา และงานนำเสนอ

🎙️ Gemini สร้างเสียงบรรยายได้อย่างไร

Gemini มีฟีเจอร์เกี่ยวกับเสียงหลายแบบ แต่แต่ละฟีเจอร์มีวัตถุประสงค์แตกต่างกัน

Gemini Text-to-Speech

ใช้แปลงข้อความที่กำหนดให้เป็นเสียงพูด เหมาะกับงานที่ต้องการอ่านสคริปต์ตามข้อความ ควบคุมเสียงและดาวน์โหลดไฟล์เสียงไปตัดต่อ

Audio Overview

ใช้เปลี่ยนเอกสาร รายงาน หรือเนื้อหาใน Canvas ให้เป็นรายการเสียงแบบสรุป มักมีลักษณะคล้าย Podcast ที่ผู้ดำเนินรายการสนทนากัน แต่ไม่เหมาะกับงานที่ต้องอ่านข้อความตามสคริปต์ทุกคำ

Gemini Live

ใช้พูดคุยโต้ตอบกับ Gemini แบบเรียลไทม์ เหมาะกับการสนทนา การฝึกภาษา และการถามตอบ แต่ไม่ได้ออกแบบมาเป็นเครื่องมือสร้างไฟล์เสียงบรรยายตามสคริปต์

หากต้องการเสียงพากย์สำหรับวิดีโอหรือเสียงอ่านบทความ ควรเลือก Gemini Text-to-Speech

✅ Gemini Text-to-Speech ทำอะไรได้บ้าง

Gemini TTS สามารถใช้สร้างเสียงประเภทต่างๆ ได้ เช่น

• เสียงบรรยายวิดีโอ YouTube
• เสียงพากย์คลิป TikTok
• เสียงบรรยาย Facebook Reels
• เสียงอ่านบทความ
• หนังสือเสียง
• เสียงประกอบบทเรียน
• เสียงแนะนำสินค้า
• เสียงโฆษณา
• เสียงเปิด Podcast
• บทสนทนาสองคน
• เสียงตัวละคร
• เสียงประกาศ
• เสียงอธิบายวิธีใช้งาน
• เสียงบรรยายสไลด์
• เสียงสำหรับแอปหรือระบบตอบรับ

ผู้ใช้สามารถกำหนดให้เสียงมีลักษณะจริงจัง เป็นมิตร สนุก ตื่นเต้น อบอุ่น ลึกลับ หรือเป็นทางการได้ด้วย Prompt

💻 วิธีสร้างเสียงบรรยายด้วย Gemini ใน Google AI Studio

Google AI Studio เป็นวิธีที่เหมาะสำหรับผู้ใช้ทั่วไปที่ต้องการทดลอง Gemini TTS โดยไม่ต้องเขียนโปรแกรม

1. เตรียมสคริปต์เสียงบรรยาย

เขียนข้อความที่ต้องการให้ Gemini อ่านให้เรียบร้อยก่อน ควรแบ่งย่อหน้า ตรวจตัวสะกด และใส่เครื่องหมายวรรคตอนให้เหมาะสม

ตัวอย่างสคริปต์

“เคยสงสัยไหมว่า ทำไมบางเว็บไซต์จึงปรากฏบนหน้าแรกของ Google ขณะที่บางเว็บไซต์แทบไม่มีผู้เข้าชม วันนี้เราจะพาไปดูหลักการสำคัญที่ช่วยให้เว็บไซต์เติบโตอย่างยั่งยืน”

2. เปิด Google AI Studio

เข้าสู่ Google AI Studio ด้วยบัญชี Google จากนั้นเปิดพื้นที่สำหรับสร้างเสียงหรือ Text-to-Speech

ชื่อเมนูอาจเปลี่ยนตามการอัปเดต แต่ให้มองหาคำว่า

• Speech generation
• Text-to-Speech
• TTS
• Voice Library
• Generate Media
• Audio

3. เลือกโมเดล Text-to-Speech

เลือกโมเดลที่รองรับการสร้างเสียง เช่น

• Gemini 3.1 Flash TTS
• Gemini 2.5 Flash TTS
• Gemini 2.5 Pro TTS

Gemini 3.1 Flash TTS เหมาะกับงานที่ต้องการความรวดเร็ว เสียงเป็นธรรมชาติ และการควบคุมรูปแบบการอ่านอย่างละเอียด

Gemini 2.5 Flash TTS เหมาะกับงานจำนวนมากที่ต้องการลดเวลาและค่าใช้จ่าย

Gemini 2.5 Pro TTS เหมาะกับเสียงบรรยายยาว หนังสือเสียง และงานคุณภาพสูงที่ต้องการความชัดเจนของเสียงเป็นพิเศษ

ชื่อรุ่นและสถานะของโมเดลอาจเปลี่ยนแปลงได้ ควรเลือกโมเดล TTS ล่าสุดที่ปรากฏอยู่ในบัญชี

4. เลือกจำนวนผู้พูด

Gemini TTS รองรับรูปแบบหลักดังนี้

• Single Speaker สำหรับผู้บรรยายคนเดียว
• Multi-Speaker สำหรับบทสนทนาสองคน

หากเป็นเสียงบรรยายวิดีโอทั่วไป ให้เลือก Single Speaker

หากเป็น Podcast สัมภาษณ์ หรือบทสนทนา ให้เลือก Multi-Speaker แล้วกำหนดชื่อและเสียงของผู้พูดแต่ละคนให้ตรงกับสคริปต์

5. เลือกเสียงที่ต้องการ

Gemini TTS มีเสียงสำเร็จรูปให้เลือกหลายแบบ แต่ละเสียงมีบุคลิกแตกต่างกัน เช่น

• Bright ให้ความรู้สึกสดใส
• Upbeat ให้ความรู้สึกสนุกและมีพลัง
• Informative เหมาะกับการอธิบายข้อมูล
• Firm ให้ความรู้สึกหนักแน่น
• Youthful ให้ความรู้สึกอ่อนวัย
• Easy-going ให้ความรู้สึกสบายๆ
• Smooth ให้เสียงนุ่มลื่น
• Clear เหมาะกับการอ่านเนื้อหา
• Soft ให้ความรู้สึกอ่อนโยน
• Mature ให้ความรู้สึกเป็นผู้ใหญ่
• Friendly ให้ความรู้สึกเป็นมิตร
• Gentle ให้ความรู้สึกนุ่มนวล
• Warm ให้ความรู้สึกอบอุ่น

ควรทดลองฟังหลายเสียงก่อนเลือก เพราะเสียงเดียวกันอาจเหมาะกับภาษาและเนื้อหาแต่ละประเภทไม่เหมือนกัน

6. ใส่คำสั่งกำกับเสียง

เขียนคำสั่งอธิบายว่าต้องการให้ Gemini อ่านอย่างไร เช่น

• อ่านด้วยน้ำเสียงอบอุ่น
• พูดช้ากว่าปกติเล็กน้อย
• เว้นช่วงหลังประโยคสำคัญ
• ออกเสียงภาษาไทยให้ชัดเจน
• อ่านแบบผู้บรรยายสารคดี
• อ่านด้วยความตื่นเต้นแต่ไม่ตะโกน
• เน้นชื่อสินค้า
• ลดเสียงในช่วงปิดท้าย
• ห้ามอ่านคำอธิบายในวงเล็บ

7. วางสคริปต์

วางข้อความที่ต้องการให้ Gemini อ่านใต้คำสั่งกำกับเสียง ควรแยกคำสั่งออกจากสคริปต์อย่างชัดเจน

ตัวอย่าง

“อ่านสคริปต์ต่อไปนี้เป็นภาษาไทยมาตรฐาน ใช้น้ำเสียงผู้ชายวัยผู้ใหญ่ที่อบอุ่นและน่าเชื่อถือ ความเร็วปานกลาง ออกเสียงทุกคำชัดเจน เว้นช่วงสั้นหลังจบแต่ละประโยค และเน้นคำว่า Google Gemini

สคริปต์:

Google Gemini คือผู้ช่วยปัญญาประดิษฐ์ที่สามารถช่วยค้นคว้า สรุปข้อมูล สร้างเนื้อหา และวางแผนการทำงานได้อย่างรวดเร็ว”

8. กดสร้างเสียง

กด Run, Generate หรือปุ่มสร้างเสียง แล้วรอระบบประมวลผล

ระยะเวลาในการสร้างขึ้นอยู่กับความยาวของสคริปต์ โมเดล และปริมาณผู้ใช้งานในขณะนั้น

9. ฟังและตรวจสอบ

ควรฟังเสียงตั้งแต่ต้นจนจบ โดยตรวจสอบสิ่งต่อไปนี้

• มีคำตกหล่นหรือไม่
• ออกเสียงชื่อเฉพาะถูกต้องหรือไม่
• ความเร็วเหมาะสมหรือไม่
• เว้นวรรคเป็นธรรมชาติหรือไม่
• น้ำเสียงตรงกับเนื้อหาหรือไม่
• มีเสียงแตกหรือความดังเปลี่ยนผิดปกติหรือไม่
• ตัวเลข วันที่ และคำภาษาอังกฤษออกเสียงถูกต้องหรือไม่

10. ดาวน์โหลดไฟล์เสียง

เมื่อได้เสียงที่ต้องการแล้ว ให้กดดาวน์โหลดหรือ Export ไฟล์เสียง จากนั้นเปลี่ยนชื่อไฟล์ให้เป็นระบบ เช่น

• youtube-intro-th.wav
• product-review-voiceover.wav
• lesson-01-narration.wav
• podcast-host-a.wav

หากต้องการ MP3 แต่ระบบให้ไฟล์ WAV สามารถนำไปแปลงหรือ Export เป็น MP3 ในโปรแกรมตัดต่อเสียงได้

📱 สร้างเสียงบรรยายในแอป Gemini ได้ไหม

แอป Gemini สามารถอ่านคำตอบ พูดคุยผ่าน Gemini Live และสร้าง Audio Overview ได้ แต่การสร้างไฟล์เสียงที่ต้องอ่านข้อความตามสคริปต์ทุกคำและควบคุมเสียงอย่างละเอียด เหมาะกับ Google AI Studio และ Gemini TTS มากกว่า

หากต้องการเปลี่ยนเอกสารให้เป็นรายการเสียงแบบสรุป สามารถใช้ Audio Overview ได้โดย

1. เปิดแอปหรือเว็บไซต์ Gemini
2. อัปโหลดเอกสาร
3. สั่งให้ Gemini สร้าง Audio Overview
4. รอประมาณ 3–5 นาที
5. เปิดฟังจากเครื่องเล่น
6. ดาวน์โหลดหรือแชร์ไฟล์

Audio Overview อาจสรุป เรียบเรียง หรือตัดเนื้อหาบางส่วน จึงไม่เหมาะกับงานโฆษณา หนังสือเสียง หรือวิดีโอที่ต้องตรงตามสคริปต์ทุกคำ

🇹🇭 Gemini สร้างเสียงบรรยายภาษาไทยได้ไหม

Gemini TTS รองรับภาษาไทยและสามารถตรวจจับภาษาจากข้อความโดยอัตโนมัติ อย่างไรก็ตาม ควรระบุให้ชัดเจนว่าเป็นภาษาไทยเพื่อช่วยควบคุมการออกเสียง

ตัวอย่างคำสั่ง

“อ่านเป็นภาษาไทยมาตรฐาน ออกเสียงพยัญชนะและวรรณยุกต์ให้ชัดเจน ความเร็วปานกลาง ใช้น้ำเสียงเป็นธรรมชาติ ไม่ออกเสียงแบบแปลจากภาษาอังกฤษ”

คำที่มักต้องตรวจสอบเป็นพิเศษ ได้แก่

• ชื่อบุคคล
• ชื่อสถานที่
• ชื่อแบรนด์
• คำย่อ
• ตัวเลข
• วันที่
• หน่วยวัด
• คำภาษาอังกฤษ
• คำศัพท์เทคนิค
• URL

🧠 สูตร Prompt สร้างเสียงบรรยาย

สูตร Prompt ที่ใช้ได้กับงานส่วนใหญ่คือ

“อ่านเป็นภาษา + ลักษณะผู้พูด + น้ำเสียง + อารมณ์ + ความเร็ว + การเว้นจังหวะ + คำที่ต้องเน้น + วิธีออกเสียง + ข้อห้าม + สคริปต์”

ตัวอย่าง

“อ่านเป็นภาษาไทยมาตรฐาน ใช้เสียงผู้หญิงวัยผู้ใหญ่ที่อบอุ่นและเป็นมิตร น้ำเสียงเหมือนผู้ดำเนินรายการให้ความรู้ ความเร็วปานกลาง เว้นช่วงประมาณครึ่งวินาทีหลังแต่ละประโยค เน้นคำสำคัญโดยไม่ตะโกน ออกเสียงชื่อภาษาอังกฤษอย่างชัดเจน ห้ามเพิ่มคำหรือสรุปข้อความ อ่านตามสคริปต์ทุกคำ”

🎬 Prompt เสียงบรรยายวิดีโอ YouTube

“อ่านสคริปต์ต่อไปนี้เป็นภาษาไทย ใช้เสียงผู้ชายวัยผู้ใหญ่ที่น่าเชื่อถือและเป็นมิตร รูปแบบเหมือนผู้ดำเนินรายการ YouTube ด้านเทคโนโลยี ความเร็วกระชับแต่ไม่รีบ เน้นประโยคเปิดเพื่อดึงดูดความสนใจ เว้นช่วงก่อนเข้าสู่แต่ละหัวข้อ และลดน้ำเสียงอย่างเป็นธรรมชาติในตอนจบ ห้ามเปลี่ยนคำหรือเพิ่มเนื้อหา”

📱 Prompt เสียงพากย์ TikTok

“อ่านเป็นภาษาไทยด้วยเสียงผู้หญิงสดใส มีพลัง และเป็นธรรมชาติ ความเร็วเร็วกว่าปกติเล็กน้อย ให้ประโยคแรกดึงดูดความสนใจทันที เน้นตัวเลขและคำสำคัญ เว้นช่วงน้อยเพื่อให้เหมาะกับคลิปสั้น แต่ต้องออกเสียงชัด ห้ามตะโกนและห้ามเพิ่มคำ”

สคริปต์ TikTok ควรใช้ประโยคสั้นและมีหนึ่งความคิดหลักต่อประโยค เพราะเสียงที่เร็วเกินไปอาจทำให้การออกเสียงภาษาไทยไม่ชัดเจน

📢 Prompt เสียงโฆษณาสินค้า

“อ่านเป็นภาษาไทยด้วยเสียงผู้หญิงวัยทำงานที่มั่นใจและเป็นมิตร น้ำเสียงโฆษณาสมัยใหม่ มีพลังแต่ไม่ขายของมากเกินไป ความเร็วปานกลาง เน้นชื่อสินค้าและประโยชน์หลัก ออกเสียงราคาและเงื่อนไขให้ชัดเจน ลดเสียงลงเล็กน้อยในข้อความแจ้งเงื่อนไข ห้ามเพิ่มคำกล่าวอ้างนอกเหนือจากสคริปต์”

🎓 Prompt เสียงบทเรียนออนไลน์

“อ่านเป็นภาษาไทยมาตรฐานด้วยเสียงผู้ชายที่สงบ ชัดเจน และเป็นมิตร รูปแบบเหมือนครูอธิบายบทเรียนให้ผู้เริ่มต้น ความเร็วช้ากว่าปกติเล็กน้อย เว้นช่วงหลังคำจำกัดความและตัวอย่าง เน้นคำศัพท์สำคัญ ออกเสียงคำภาษาอังกฤษช้าและชัด ห้ามสรุปหรือเปลี่ยนข้อความ”

📚 Prompt หนังสือเสียง

“อ่านเป็นภาษาไทยด้วยเสียงผู้หญิงที่อบอุ่นและเป็นธรรมชาติ รูปแบบหนังสือเสียง ใช้จังหวะช้าเล็กน้อย เปลี่ยนอารมณ์ตามเหตุการณ์โดยไม่แสดงเกินจริง เว้นช่วงระหว่างย่อหน้า และลดเสียงลงในข้อความที่ตัวละครกระซิบ รักษาความดังสม่ำเสมอ ห้ามตัดหรือเพิ่มเนื้อหา”

สำหรับหนังสือเสียงขนาดยาว ควรแบ่งสคริปต์เป็นตอนสั้นๆ และใช้เสียงกับคำสั่งชุดเดิมทุกตอน เพื่อรักษาบุคลิกผู้บรรยายให้สม่ำเสมอ

🎧 Prompt เสียง Podcast

“อ่านเป็นภาษาไทยด้วยเสียงผู้ชายที่ผ่อนคลาย เป็นกันเอง และมีความรู้ รูปแบบเหมือนผู้ดำเนินรายการ Podcast พูดกับผู้ฟังเพียงคนเดียว ความเร็วปานกลาง ใช้การเว้นจังหวะตามธรรมชาติ เน้นคำถามและใจความสำคัญ ไม่ต้องอ่านเหมือนผู้ประกาศข่าว และห้ามเพิ่มข้อความนอกสคริปต์”

📰 Prompt เสียงอ่านข่าว

“อ่านเป็นภาษาไทยมาตรฐานด้วยน้ำเสียงผู้ประกาศข่าวที่เป็นกลาง ชัดเจน และน่าเชื่อถือ ความเร็วปานกลาง รักษาระดับเสียงสม่ำเสมอ เน้นชื่อบุคคล สถานที่ วันที่ และตัวเลข ห้ามแสดงความเห็นหรือเพิ่มอารมณ์เกินเนื้อหา”

🏢 Prompt เสียงนำเสนอบริษัท

“อ่านเป็นภาษาไทยด้วยเสียงผู้หญิงวัยผู้ใหญ่ที่เป็นมืออาชีพ มั่นใจ และอบอุ่น ความเร็วปานกลาง เน้นชื่อบริษัท วิสัยทัศน์ และตัวเลขสำคัญ เว้นช่วงระหว่างหัวข้อ ให้ความรู้สึกทันสมัยและน่าเชื่อถือ ห้ามอ่านแบบโฆษณาเกินจริง”

🧒 Prompt เสียงสำหรับเด็ก

“อ่านเป็นภาษาไทยด้วยเสียงที่สดใส อ่อนโยน และเป็นมิตร เหมาะสำหรับเด็กอายุ 5–8 ปี พูดช้า ใช้จังหวะสนุก เน้นคำสำคัญและตัวเลข หลีกเลี่ยงเสียงดังหรืออารมณ์น่ากลัว เว้นช่วงให้เด็กสามารถพูดตามได้”

🎭 Prompt ควบคุมอารมณ์เสียง

สามารถสั่งให้อารมณ์เปลี่ยนระหว่างข้อความได้ เช่น

“เริ่มต้นด้วยน้ำเสียงสงบและลึกลับ เมื่อถึงประโยค ‘แต่สิ่งที่เกิดขึ้นต่อจากนั้นไม่มีใครคาดคิด’ ให้เพิ่มความตื่นเต้นและเว้นช่วงสั้น ก่อนกลับมาใช้น้ำเสียงจริงจังในตอนสรุป”

ไม่ควรเปลี่ยนอารมณ์ทุกประโยค เพราะอาจทำให้เสียงไม่เป็นธรรมชาติ ควรเปลี่ยนเฉพาะช่วงสำคัญของเนื้อหา

👥 วิธีสร้างเสียงสนทนาสองคน

Gemini TTS รองรับเสียงพูดสองคนในไฟล์เดียว เหมาะกับ Podcast บทสัมภาษณ์ บทเรียนสนทนา และละครเสียง

ขั้นตอนคือ

1. เลือก Multi-Speaker
2. กำหนดชื่อผู้พูดสองคน
3. เลือกเสียงให้แต่ละคน
4. เขียนสคริปต์โดยระบุชื่อหน้าประโยค
5. กำหนดบุคลิกของผู้พูดแต่ละคน
6. กดสร้างและตรวจสอบว่าเสียงไม่สลับกัน

ตัวอย่าง Prompt

“สร้างบทสนทนาภาษาไทยระหว่างผู้พูดสองคน

ผู้ดำเนินรายการ: ใช้เสียงอบอุ่น เป็นมิตร และพูดด้วยความเร็วปานกลาง
ผู้เชี่ยวชาญ: ใช้เสียงเป็นผู้ใหญ่ ชัดเจน และน่าเชื่อถือ

ผู้ดำเนินรายการ: วันนี้เราจะมาคุยกันว่า ปัญญาประดิษฐ์ช่วยธุรกิจขนาดเล็กได้อย่างไร
ผู้เชี่ยวชาญ: จุดเริ่มต้นที่ง่ายที่สุด คือการนำ AI มาช่วยลดงานที่ต้องทำซ้ำทุกวัน”

ชื่อผู้พูดในสคริปต์ต้องตรงกับชื่อที่กำหนดในส่วนตั้งค่าเสียง เพื่อป้องกันเสียงสลับกัน

🔤 วิธีแก้ Gemini ออกเสียงภาษาไทยผิด

เขียนคำอ่านกำกับ

หากชื่อเฉพาะออกเสียงผิด ให้เขียนคำอ่านไว้ใน Prompt เช่น

“คำว่า COMSIAM ให้ออกเสียงว่า ‘คอม-สยาม’ แต่ให้อ่านเพียงคำว่า COMSIAM ในสคริปต์”

เปลี่ยนตัวเลขเป็นคำอ่าน

แทนที่จะเขียนว่า

“ราคา 1,590 บาท”

อาจเปลี่ยนเป็น

“ราคาหนึ่งพันห้าร้อยเก้าสิบบาท”

แยกคำย่อ

คำย่อภาษาอังกฤษอาจต้องเขียนเป็นคำอ่าน เช่น

• AI เป็น เอไอ
• SEO เป็น เอสอีโอ
• URL เป็น ยูอาร์แอล
• Wi-Fi เป็น ไวไฟ

ลดความเร็ว

หากคำผิดเกิดจากการอ่านเร็ว ให้ระบุว่า

“ลดความเร็วลงประมาณ 10 เปอร์เซ็นต์ และเว้นจังหวะก่อนชื่อเฉพาะ”

แบ่งประโยคให้สั้นลง

ประโยคยาวทำให้เสียงอ่านรวดเร็วและลงจังหวะผิด ควรแบ่งด้วยจุดหรือขึ้นย่อหน้าใหม่

⏱️ วิธีควบคุมความเร็วและการเว้นจังหวะ

สามารถใช้คำสั่งภาษาธรรมชาติ เช่น

• พูดช้ากว่าปกติเล็กน้อย
• พูดด้วยความเร็วประมาณ 0.9 เท่า
• เว้นช่วงครึ่งวินาทีหลังประโยค
• หยุดสั้นๆ ก่อนคำสำคัญ
• พูดเร็วขึ้นในช่วงเปิดเรื่อง
• ลดความเร็วเมื่ออธิบายตัวเลข
• เว้นช่วงระหว่างย่อหน้า
• อย่ารีบอ่านประโยคสุดท้าย

การใส่จุด จุลภาค เครื่องหมายคำถาม และการขึ้นย่อหน้า ช่วยให้ Gemini กำหนดจังหวะได้เป็นธรรมชาติมากขึ้น

✍️ วิธีเตรียมสคริปต์ให้เสียงเป็นธรรมชาติ

ใช้ประโยคสั้น

ประโยคที่ยาวมากทำให้ผู้ฟังจับใจความยาก ควรแบ่งให้แต่ละประโยคมีหนึ่งแนวคิดหลัก

เขียนให้เหมือนภาษาพูด

ข้อความสำหรับอ่านออกเสียงไม่ควรเหมือนภาษาเขียนที่ซับซ้อนเกินไป

ตัวอย่างภาษาเขียน

“ด้วยเหตุนี้ ผู้ใช้งานจึงควรดำเนินการตรวจสอบการตั้งค่าดังกล่าวก่อนที่จะเริ่มต้นกระบวนการ”

ตัวอย่างภาษาพูด

“ดังนั้น ก่อนเริ่มใช้งาน เราควรตรวจสอบการตั้งค่านี้ให้เรียบร้อยก่อน”

หลีกเลี่ยงเครื่องหมายที่ไม่จำเป็น

สัญลักษณ์ ตาราง URL และรายการตัวเลขอาจทำให้เสียงอ่านผิด ควรแปลงเป็นประโยคปกติก่อนสร้างเสียง

แบ่งสคริปต์ยาวเป็นตอน

หากเป็นเนื้อหาหลายนาที ควรแบ่งเป็นช่วงละประมาณหนึ่งหัวข้อ แล้วนำไฟล์มาต่อในโปรแกรมตัดต่อภายหลัง

ใช้คำสั่งเสียงเดิมทุกตอน

บันทึกชื่อเสียง ความเร็ว น้ำเสียง และ Prompt หลักไว้ เพื่อให้เสียงแต่ละตอนใกล้เคียงกัน

🔄 วิธีแก้เสียงบรรยายที่ยังไม่ตรงใจ

ควรแก้ทีละประเด็นและสร้างใหม่เฉพาะช่วงที่มีปัญหา

ตัวอย่างคำสั่งแก้

• “ลดความเร็วลงเล็กน้อย”
• “ทำให้น้ำเสียงอบอุ่นขึ้น”
• “อ่านเหมือนกำลังพูดกับผู้ฟังเพียงคนเดียว”
• “ลดความตื่นเต้นและเพิ่มความน่าเชื่อถือ”
• “เว้นช่วงหลังประโยคแรกให้นานขึ้น”
• “ออกเสียงคำภาษาอังกฤษให้ชัดขึ้น”
• “รักษาน้ำเสียงเดิมแต่เพิ่มพลังในประโยคสุดท้าย”
• “ห้ามเพิ่มคำหรือเปลี่ยนข้อความ”

หากมีคำผิดเพียงหนึ่งประโยค สามารถสร้างเสียงใหม่เฉพาะประโยคนั้นแล้วนำไปแทนที่ในโปรแกรมตัดต่อ ไม่จำเป็นต้องสร้างไฟล์ทั้งหมดใหม่

🎞️ วิธีนำเสียง Gemini ไปใส่ในวิดีโอ

หลังดาวน์โหลดไฟล์เสียงแล้ว สามารถนำไปใช้ในโปรแกรมตัดต่อ เช่น CapCut, Canva, Adobe Premiere Pro, DaVinci Resolve หรือโปรแกรมอื่น

ขั้นตอนทั่วไปคือ

1. นำวิดีโอเข้าสู่โปรแกรมตัดต่อ
2. เพิ่มไฟล์เสียงบรรยายลงใน Timeline
3. ตัดช่องว่างส่วนเกิน
4. ปรับภาพให้ตรงกับเสียง
5. ลดเสียงเพลงพื้นหลัง
6. เพิ่มคำบรรยาย
7. ตรวจความดังทุกช่วง
8. Export วิดีโอ

เสียงเพลงควรเบากว่าเสียงบรรยายอย่างชัดเจน และไม่ควรมีเครื่องดนตรีหรือเสียงร้องที่แย่งความสนใจจากผู้พูด

🎚️ วิธีปรับเสียงก่อนนำไปใช้งาน

หลังสร้างเสียง สามารถปรับแต่งเพิ่มเติมได้ เช่น

• ตัดเสียงเงียบ
• ปรับความดัง
• ลดเสียงแหลม
• เพิ่มความอบอุ่น
• ใช้ Compressor ให้ระดับเสียงสม่ำเสมอ
• ลดเสียงลมหายใจที่รบกวน
• ใส่ Fade In และ Fade Out
• ตัดประโยคที่อ่านผิด
• เพิ่มเพลงพื้นหลัง
• แปลง WAV เป็น MP3

ไม่ควรปรับเสียงหนักเกินไป เพราะอาจทำให้เสียงแตกและฟังไม่เป็นธรรมชาติ

🛡️ เสียงที่ Gemini สร้างมีลายน้ำหรือไม่

เสียงที่สร้างด้วยโมเดลเสียงของ Google มี SynthID ซึ่งเป็นลายน้ำที่ฝังอยู่ในสัญญาณเสียงเพื่อช่วยตรวจสอบแหล่งที่มาของสื่อ AI โดยทั่วไปผู้ฟังจะไม่ได้ยินลายน้ำนี้เป็นเสียงพูดหรือเสียงประกาศ

ไม่ควรพยายามลบหรือหลีกเลี่ยงระบบระบุแหล่งที่มาของสื่อ และควรเปิดเผยว่าใช้เสียง AI เมื่อบริบทอาจทำให้ผู้ฟังเข้าใจผิดว่าเป็นเสียงของบุคคลจริง

⚖️ ข้อควรระวังในการใช้เสียง AI

• ไม่ใช้เสียงเพื่อแอบอ้างเป็นบุคคลอื่น
• ไม่สร้างข่าวปลอม
• ไม่ปลอมเสียงเพื่อหลอกให้โอนเงิน
• ไม่ใช้เสียงบุคคลจริงโดยไม่ได้รับอนุญาต
• ไม่ใช้เสียงสร้างหลักฐานเท็จ
• ตรวจสอบข้อมูลในสคริปต์ก่อนเผยแพร่
• ตรวจสอบข้อกำหนดการใช้งานเชิงพาณิชย์
• ระบุว่าเป็นเสียง AI เมื่อจำเป็น
• เก็บสคริปต์และไฟล์ต้นฉบับไว้
• ไม่ใช้เนื้อหาที่ละเมิดลิขสิทธิ์

Gemini TTS ใช้เสียงสำเร็จรูป ไม่ใช่เครื่องมือสำหรับโคลนเสียงของบุคคลจริงโดยตรง

❓ คำถามที่พบบ่อย

Gemini สร้างเสียงบรรยายภาษาไทยได้ไหม

ได้ Gemini TTS รองรับภาษาไทยและตรวจจับภาษาจากข้อความได้อัตโนมัติ แต่ควรตรวจการออกเสียงชื่อเฉพาะ คำย่อ ตัวเลข และคำภาษาอังกฤษ

ใช้ Gemini สร้างเสียงฟรีได้ไหม

Google AI Studio อาจมีโควตาทดลองตามเงื่อนไขของบัญชี แต่การใช้งานจำนวนมากหรือผ่าน Gemini API อาจมีค่าใช้จ่ายและ Rate Limit

ดาวน์โหลดเสียงจาก Gemini ได้ไหม

ได้ เมื่อสร้างด้วย Text-to-Speech ใน Google AI Studio สามารถดาวน์โหลดหรือ Export ไฟล์เสียงได้ ส่วน Audio Overview ในแอป Gemini ก็มีตัวเลือกดาวน์โหลดจากเครื่องเล่นเช่นกัน

Gemini ทำเสียงคนพูดสองคนได้ไหม

ได้ Gemini TTS รองรับ Multi-Speaker สูงสุดสองคน โดยต้องกำหนดชื่อผู้พูดและเสียงให้ตรงกับชื่อในสคริปต์

Gemini อ่านตามสคริปต์ทุกคำหรือไม่

TTS ถูกออกแบบมาสำหรับอ่านข้อความตามสคริปต์ แต่ควรตรวจผลงานทุกครั้ง เพราะอาจมีการออกเสียงผิด เว้นจังหวะผิด หรืออ่านชื่อเฉพาะไม่ตรงตามต้องการ

Gemini เลียนเสียงเราได้ไหม

Gemini TTS ใช้เสียงสำเร็จรูป ไม่ควรถือว่าเป็นเครื่องมือโคลนเสียงส่วนบุคคล หากต้องการใช้เสียงของตนเองควรตรวจสอบฟีเจอร์ เงื่อนไข และการยินยอมอย่างรอบคอบ

Gemini Live ใช้ทำเสียงพากย์ได้ไหม

Gemini Live เหมาะกับการสนทนาแบบเรียลไทม์ ไม่เหมาะกับงานที่ต้องอ่านข้อความตามสคริปต์และดาวน์โหลดเป็นไฟล์เสียง ควรใช้ Gemini TTS แทน

Audio Overview ใช้แทนเสียงบรรยายได้ไหม

เหมาะกับการสรุปเอกสารเป็นรายการเสียง แต่ไม่เหมาะกับงานที่ต้องอ่านทุกคำตามสคริปต์ เพราะระบบอาจสรุปและเรียบเรียงเนื้อหาใหม่

ควรเลือกเสียงแบบใดสำหรับ YouTube

ควรเลือกเสียงที่ Clear, Informative, Friendly หรือ Warm แล้วทดลองกับสคริปต์จริงก่อน เพราะความเหมาะสมขึ้นอยู่กับประเภทช่องและกลุ่มผู้ชม

✅ สรุป

วิธีสร้างเสียงบรรยายด้วย Gemini ที่ควบคุมข้อความได้ดีที่สุด คือใช้ Gemini Text-to-Speech ผ่าน Google AI Studio เลือกโมเดล TTS กำหนดผู้พูด เลือกเสียง วางสคริปต์ และเขียน Prompt ควบคุมน้ำเสียง อารมณ์ ความเร็ว และการเว้นจังหวะ

Gemini TTS รองรับภาษาไทย เสียงผู้พูดคนเดียว และบทสนทนาสองคน เหมาะสำหรับเสียงพากย์วิดีโอ Podcast หนังสือเสียง บทเรียนออนไลน์ และโฆษณา

ก่อนนำไปใช้งานควรตรวจการออกเสียงทุกประโยค โดยเฉพาะชื่อเฉพาะ ตัวเลข คำย่อ และคำภาษาอังกฤษ หากเป็นงานยาว ควรแบ่งสคริปต์เป็นตอนและใช้เสียงกับ Prompt ชุดเดิม เพื่อให้คุณภาพและบุคลิกของผู้บรรยายสม่ำเสมอตลอดทั้งงาน