Мультфильміңіздегі кейіпкер қазақша сөйлесе, ал жарнама ролигіңізді жылы дауысты диктор дыбыстаса, мұндай видео көрерменге бірден жақын болады. Қазір қазақша озвучканы нейросеть, яғни ЖИ (ИИ) арқылы жасауға болады: текстті жазасыз, дауысты таңдайсыз да, дайын дыбыс файлын жүктеп аласыз. Қазақ тілін ресми түрде қолдайтын құралдар бар, мысалға, ISSAI Voice Studio, Yandex SpeechKit, ElevenLabs және Narakeet, бірақ олардың екпінді, сандар мен есімдерді қалай оқитынын әр жолы тыңдап тексеру керек. Сіздің дауыс бергіңіз келетін видеоңыз не айтқыңыз келетін оқиғаңыз бар ма? Онда төменде қай құрал не істейтінін, дауыстың сапасын қалай тексеруге болатынын және оны видеоға қалай қосатынын қадам-қадаммен түсіндіреміз.
Бағлан Төлебай, Dansai Academy негізін қалаушы · · Оқуға 12 минут
Қазақша сөйлейтін нейросеттер: қай құрал қазақ тілін қолдайды?
Текстті жасанды интеллект арқылы дауысқа айналдыруды Тексттен дауысқа (Text to speech) немесе жай ғана дауыс генерациясы дейміз. Мұндай құралдар көп, бірақ қазақ тілін олардың бәрі бірдей қолдай бермейді. Сондықтан төмендегі тізімге ресми бетінде қазақ тілі анық көрсетілген құралдарды ғана енгіздік. Тарифтері мен мүмкіндіктері жиі өзгеріп отырады, сол себепті бастамас бұрын құралдың өз сайтын бір қарап шығыңыз.
| Құрал | Не істейді? | Тегін байқауға бола ма? |
|---|---|---|
| ISSAI Voice Studio | Назарбаев Университетінің ISSAI институты жасаған платформа. Қазақша текстті дауысқа айналдырады, ал дауыстың жынысын, жасын, биіктігін, акцентін және стилін өзіңіз баптайсыз. Сондай-ақ дубляж жасайды: роликті жүктейсіз де, оның басқа тілдегі нұсқасын сөйлеген адамның өз дауысымен аласыз. | Иә, Freemium тарифі тегін (айына 40 минут), бастау үшін карта керек емес. Ақылы тарифтерін теңгемен төлейсіз, ал коммерциялық қолдану тек ақылы тарифтерде көрсетілген. |
| ISSAI Dauys | Сол институттың Android-қа арналған қосымшасы. Қазақша текстті дауысқа айналдырады, интернетсіз де жұмыс істейді. | Иә, қосымша тегін, жарнамасы жоқ. |
| Yandex SpeechKit | Қазақ тілінде төрт дауыс бар: amira, madi, saule және zhanar. Saule дауысы қалыпты не қатаң мәнерде, ал zhanar қалыпты не жылы, мейірімді мәнерде оқи алады. | Дауыстар бетінде бұл туралы ештеңе айтылмаған. Бұл бағдарламашыларға арналған сервис: оны API арқылы, яғни өз бағдарламаңызға не чат-ботыңызға қосып қолданасыз. |
| ElevenLabs | Шетелдік платформа, тілдер тізімінде қазақ тілі бар. Текстті дауысқа айналдырады, ал ақылы тарифтерде өз дауысыңызды клондауға болады. | Иә, тегін тарифі бар. Ал дауыс клондау мен коммерциялық лицензия тек ақылы тарифтерде ашылады, төлем доллармен. |
| Narakeet | Қазақ тілінде 80 дауысы бар, бірақ әзірге тек кириллмен жазылған текстті дұрыс оқиды. PowerPoint презентациясынан дауысы бар видео да жасай алады. | Иә, сайтта тіркелмей-ақ тексеріп көруге болады. |
| SpeechGen | Қазақша дауыстары бар. Абзацтар мен сөйлемдер арасындағы паузаның ұзақтығын өзіңіз қоя аласыз. | Иә, тіркелмей-ақ 1 000 таңбаға дейін тегін байқап көресіз. Ақылы тарифтерін доллармен төлейсіз. |
Ал кейбір танымал құралдардың ресми беттерінде қазақ тілі әзірге көрсетілмеген. Мысалға, Google Cloud Text-to-Speech дауыстарының тізімінде де, CapCut дауыс генерациясының ресми бетінде де қазақ тілі аталмаған. Google-дың өз Gemini API құжаттамасында дауыс генерациясы қолдайтын тілдердің ішінде қазақ тілі бар, бірақ бұл бағдарламашыларға арналған API. Олай болса, CapCut-та қазақша дауыс іздеп әуре болмай, оны жоғарыдағы құралдардың бірінде жасап, CapCut-қа дайын файл ретінде қосқан ыңғайлы.
Қай құралдан бастаған дұрыс?
- Егер алғаш рет байқап көргіңіз келсе, онда ISSAI Voice Studio не Narakeet-тен бастаңыз: біріне карта керек емес, екіншісін тіркелмей-ақ тексересіз.
- Егер видеоларыңызды өз дауысыңызбен дыбыстағыңыз келсе, онда ElevenLabs сияқты дауыс клондауы бар платформаны қараңыз.
- Егер орысша не ағылшынша видеоңыздың қазақша дубляжын жасағыңыз келсе, онда ISSAI Voice Studio-ны байқап көріңіз.
- Ал егер чат-бот не қосымша жасап жатсаңыз, онда сізге Yandex SpeechKit сияқты API сервисі керек.
Қазақша дауыстың сапасын қалай тексеруге болады?
Генерацияланған дауыс алғаш тыңдағанда әдемі естіледі, бірақ қателері көбіне кейін, видеоға қосқанда ғана байқалады. Сондықтан әр құралды бір тест текстпен тексеріп, нәтижесін салыстырған дұрыс. Бұл — әділ тест: бір текстті бірнеше құралда оқытасыз да, қай дауыс сіздің жобаңызға сай келетінін өз құлағыңызбен естисіз. Тест текстке қазақтың өзіне тән әріптері бар сөздерді, есімді, санды, сұраулы және лепті сөйлемді қосыңыз. Мысалға:
| Неге құлақ саласыз? | Не істейсіз? |
|---|---|
| Екпін. Қазақ сөзінде екпін көбіне соңғы буынға түседі, ал ЖИ дауысы кейде оны басқа буынға түсіріп жібереді. | Қате оқылған сөзді синонимге ауыстырыңыз немесе сөйлемді басқаша құрып, қайта генерациялаңыз. |
| Сандар мен қысқартулар. «1956», «15%» не «ҚР» дегенді дауыс сіз ойлағандай оқымауы мүмкін. | Сандарды сөзбен жазыңыз: «мың тоғыз жүз елу алтыншы жылы», «он бес пайыз», «Қазақстан Республикасы». ISSAI-дың қазақша дауыс генерациясының демо бетінде де сандар мен белгілерді сөзбен жазу керек деп көрсетілген. |
| Есімдер мен шетел сөздері. Адамның аты, жер атауы, бренд атауы жиі қате оқылады. | Латынша сөздерді естілуінше кириллмен жазыңыз: «Instagram» емес, «инстаграм». Ал Narakeet-тің қазақша дауыстары әзірге тек кириллмен жазылған текстті дұрыс оқиды. |
| Паузалар. Дауыс кейде тыныс алмай, сөйлемдерді бір-біріне жабыстырып оқиды. | Ұзын сөйлемді екіге бөліп, үтір мен нүктені дұрыс қойыңыз. Ұзын текстті қысқа бөліктерге бөліп генерациялаңыз, ал SpeechGen сияқты кейбір құралдарда паузаның ұзақтығын өзіңіз қоя аласыз. |
| Интонация мен көңіл-күй. Сұрақ сұрақ сияқты, ал қуаныш қуаныш сияқты естіле ме? | Дауыс мәнерін таңдауға болатын құралдарда (мысалға, ISSAI Voice Studio не Yandex SpeechKit) бірнеше мәнерді байқап, ең шынайы естілетінін таңдаңыз. |
Кеңес: текстті кітаптағыдай емес, адам ауызша айтатындай етіп жазыңыз. Ұзын құрмалас сөйлем мен кітаби сөздер дауыста жасанды естіледі, ал қысқа әрі қарапайым сөйлемді нейросеть те дұрыс оқиды, көрермен де оңай қабылдайды.
Өз дауысыңызды клондау: қай кезде дұрыс?
Дауысты клондау деп нейросетке өз дауысыңыздың жазбасын беріп, кейін кез келген текстті сол дауыспен оқытуды айтамыз. Мысалға, ElevenLabs бетінде жылдам клондауға қысқа жазба, ал кәсіби клондауға кемінде 30 минуттық таза жазба керек екені жазылған. Бұл блогер мен мұғалімге өте ыңғайлы: дауысыңызды бір рет жазып бересіз де, кейін сабақтарыңыз бен видеоларыңызды өз дауысыңызбен дыбыстай бересіз. Тек клондалған дауыс та қазақ сөзін қате оқуы мүмкін, сол үшін жоғарыдағы тест мұнда да керек.
Бірақ адамның дауысы да оның бет-әлпеті сияқты, тек өзіне ғана тән. Сондықтан мына қағидаларды ұстаныңыз:
- Тек өз дауысыңызды не рұқсат берген адамның дауысын клондаңыз. ElevenLabs-тың өзі де басқа адамның дауысын тек оның анық келісімімен клондауға болатынын жазады.
- Нақты адамды алдау үшін ешқашан қолданбаңыз. Танымал адамның, басшыңыздың не туысыңыздың дауысымен ол айтпаған сөзді айтқызу дипфейк (deepfake) деп аталады. Мұндай дауыспен біреудің атынан ақша сұрасаңыз не жалған ақпарат таратсаңыз, бұл адамдарды алдау болады.
- Дауыстың ЖИ-мен жасалғанын көрерменге айтыңыз. Сипаттамаға не титрге «Дауыс жасанды интеллектпен жасалған» деп жазып қойсаңыз, көрермен шатаспайды.
Қазақстанның 2025 жылғы 17 қарашадағы № 230-VIII «Жасанды интеллект туралы» заңы адамның дауысын, сыртқы келбетін не болмаған оқиғаны имитациялайтын ЖИ туындыларын «синтетикалық нәтижелер» деп атайды. Заңда мұндай туындыларды таңбаланған және көрерменге ескерту берілген күйде ғана таратуға болатыны жазылған. Нақты талаптарын заңның өз мәтінінен оқыңыз, ал біздің кеңесіміз қарапайым: ЖИ дауысын жасырмаңыз.
Дауысты видеомен қалай үйлестіруге болады?
Дауыс дайын болғанда, оны видеоға қосасыз. Мұнда екі түрлі жағдай болады, әрқайсысының өз жолы бар.
Кадр сыртындағы дауыс: диктор оқиғаны баяндайды
Диктордың өзі кадрда көрінбейді, оқиғаны тек оның дауысы баяндайды. Бұл ең оңай жол: дауыс файлын CapCut не DaVinci Resolve сияқты монтаж бағдарламасына қосасыз да, видеоны сөздің ырғағына қарай кесесіз. Кеңес: алдымен дауысты жасап алыңыз, содан кейін кадрлардың ұзақтығын соған қарай таңдаңыз. Сонда кадр сөзден озып та, қалып та қоймайды.
Экрандағы кейіпкер сөйлейді: ерінді дауысқа сай қозғалту (Lipsync)
Ал кейіпкер экранда сөйлесе, оның ерні дауысқа сай қозғалуы керек. Ол үшін дайын дауыс файлы мен кейіпкердің беті анық көрінетін кадрды арнайы Lipsync құралына бересіз. Қай құралдар мұны істейтінін және қазақша дауыспен қалай жұмыс істейтінін суретті сөйлету туралы мақалада толық жаздық, ал мультфильмге дауыс пен музыка қосу жолын ЖИ арқылы мультфильм жасау мақаласынан оқисыз.
Біздің Dansai AI Studio туралы ашық айтайық: онда текстті дауысқа айналдыратын құрал да, бөлек Lipsync құралы да жоқ. Есесіне Studio-дағы Veo 3.1, Kling 3.0, Seedance 2.0 сияқты модельдер видеоны дыбысымен бірге жасай алады. Промптта кейіпкерге қазақша сөз айтқызып көруге болады, бірақ оның дұрыс шығатынына кепілдік жоқ. Сондықтан анық қазақша дауысты жоғарыдағы құралдардың бірінде жасаған не өз дауысыңызды жазып алған дұрыс, ал видеоға оны монтажда қосасыз.
Дыбыс тек дауыстан тұрмайды. Жақсы видеода кейіпкердің сөзі, айналадағы дыбыстар, әрекеттің дыбысы және музыка бір-бірімен үйлесіп тұрады, ал музыка сөзді басып кетпеуі керек. AI.Cinema курсының бағдарламасында бұған «Дыбыс, монтаж және дайын фильм» деген бөлек модуль арналған, онда «Дыбыс әлемі: төрт қабат және дайын дыбыс кітапханалары», «Дауыс, диалог және таза Lipsync», «Дыбысты теңестіру» сабақтары бар. Ал кейіпкерді сөйлетуді тегін үйренгіңіз келсе, онда тегін сабақтардың төртіншісін көріңіз, ол дәл осы тақырыпқа арналған:
ЖИ-мен кейіпкерді сөйлету: диалог және кадрлар жалғасы
Тегін курстың 4-сабағы
Қай кезде тірі диктор керек?
Нейросеть дауысы жылдам әрі ыңғайлы, бірақ кей жобаға тірі адамның дауысы әлдеқайда жақсы келеді. Мысалға, мына жағдайларда:
- Брендтің жарнамасы. Көрермен компанияңызды дауысынан тани бастайды, сондықтан бұл дауыс сенім ұялатуы керек, ал тірі диктор сөзді сезіммен жеткізеді.
- Әзіл мен терең сезім. ЖИ дауысы сөзді дұрыс оқығанымен, әзілдің ырғағын, күлкі мен мұңды әлі де толық жеткізе бермейді.
- Жыр, терме, өлең. Қазақ поэзиясының ырғағы мен мақамын тірі орындаушы жақсы жеткізеді.
- Отбасылық видео. Атаңыздың суретіне немересінің өз дауысын қоссаңыз, ол кез келген генерацияланған дауыстан әлдеқайда жақын естіледі.
- Ұзақ фильм. Көпке созылған баяндауда ЖИ дауысының біркелкі ырғағы көрерменді шаршатуы мүмкін.
Көп жобада екеуін қатар қолданған ыңғайлы. Алдымен ЖИ дауысымен черновик жасап, видеоның монтажын, ұзақтығы мен ырғағын бекітесіз. Содан кейін дайын текстті тірі дикторға оқытасыз немесе өзіңіз жазасыз. Сонда диктордың да, сіздің де уақытыңыз үнемделеді.
Біздің жұмыстарымыз: «Түлкі мен Арыстан» және «Қонаев»
Дауыс пен музыканың бүкіл жобаға қалай әсер ететінін мысалмен көрейік. «Түлкі мен Арыстан» — Бағлан Төлебайдың авторлық қазақша мультфильмі. Ол қазақ ертегісінің желісімен жасалған, ал дәстүрлі әңгіме бүгінгі көрерменге жақын етіп қайта айтылады. Мультфильм Higgsfield, Veo 3 және Nano Banana Pro-мен жасалды. Ал «Қонаев» фильмі арнайы жүйемен жасалды, оның трейлері YouTube-та 60 мыңнан астам қаралым жинады. Көргенде дыбысына құлақ салыңыз: дауыс, музыка және айналадағы дыбыстар бір-бірімен қалай үйлескенін байқаңыз. Өз жобаңызды тексергенде де дәл осыған қарайсыз.
«Түлкі мен Арыстан» мультфильмі
Қазақша AI-мультфильм, 2:56
«Қонаев» фильмінің ресми трейлері
Жасанды интеллектпен жасалған трейлер, 3:51
Академия негізін қалаушы Бағлан Төлебай — «Қазақфильм» резиденті, Нархоз университетінің аға оқытушысы, компьютерлік ғылымдар магистрі, жасанды интеллект және машиналық оқыту бойынша докторант.
Қазақша дауыс пен монтажды қайдан үйренуге болады?
Сіздің керемет идеяңыз, сценарийіңіз бар ма? Онда AI.Cinema курсы сіз үшін арналған. Курста өз қысқаметрлі фильміңізді идеядан бастап дайын фильмге дейін жасауды үйренесіз. Алдымен сценарий жазып, кейіпкеріңізді жасайсыз, содан кейін кадрларды генерациялайсыз, ал соңында дауыс қосып, Lipsync пен монтаж жасайсыз. Дыбысқа арналған модульдің соңында дауысы, музыкасы мен монтажы дайын, аяқталған сахнаңыз болады.
Барлық сабақ қазақ тілінде және жазбада, ағылшын тілін білу міндетті емес. Курсқа 12 ай бойы кіре аласыз, ал осы уақытта жаңа сабақтар ашылып отырады. Сурет пен видеоны жеке кабинетіңіздегі Dansai AI Studio-да жасайсыз: генерация токендері тарифпен бірге сыйға беріледі, ал промптты қазақша жаза бересіз. Director AI функциясы промптыңызды генерация сәтті шығу үшін барынша күшейтеді. Курсты Kaspi арқылы 12 айға бөліп төлеуге болады, ал бағасын тарифтер бетінен көресіз.
Ал егер жасанды интеллектпен енді ғана танысып жатсаңыз, онда кіріспе AI.Onai курсынан бастаңыз: онда алғашқы суреттеріңіз бен қысқа видеоңызды жасайсыз, ал кейін AI.Cinema-ға ауыссаңыз, AI.Onai-ға төлеген ақшаңыз есепке алынады. Жүйелі жолды жасанды интеллектіні үйрену туралы толық нұсқаулықтан, ал тегін бастауды тегін материалдар бетінен табасыз.
Жиі қойылатын сұрақтар
Қазақша озвучка жасайтын нейросеть бар ма?
Иә, бар. Қазақ тілін ISSAI Voice Studio, ISSAI Dauys, Yandex SpeechKit, ElevenLabs, Narakeet және SpeechGen қолдайды, мұны олардың ресми беттерінен тексердік. Бірақ әр құрал екпінді де, сандарды да өзінше оқиды, сондықтан нәтижені міндетті түрде тыңдап шығыңыз.
Қазақша дауысты тегін қайдан жасауға болады?
ISSAI Voice Studio платформасының тегін тарифі бар, оған карта керек емес. ISSAI Dauys қосымшасы Android-та тегін, ал Narakeet пен SpeechGen-ді тіркелмей-ақ байқап көруге болады. Тегін тарифтердің шектеулері жиі өзгереді, сондықтан оларды платформаның өз сайтынан тексеріңіз.
Нейросеть қазақ сөзін неге қате оқиды?
Көбіне екпін, сандар, қысқартулар және латынша жазылған сөздер қате оқылады. Сандарды сөзбен, шетел сөздерін естілуінше кириллмен жазыңыз, ұзын сөйлемді бөліп, қате оқылған сөзді синонимге ауыстырыңыз. Содан кейін қайта генерациялап, тағы тыңдап шығыңыз.
Өз дауысымды клондап, қазақша сөйлетуге бола ма?
Иә, кейбір платформаларда болады, мысалға, ElevenLabs-та дауыс клондау ақылы тарифтерде бар. Тек өз дауысыңызды не рұқсат берген адамның дауысын клондаңыз және клондалған дауыстың қазақша оқуын да тыңдап тексеріңіз. Видеоны жарияласаңыз, дауыстың ЖИ-мен жасалғанын жазыңыз.
Dansai AI Studio-да қазақша дауыс жасауға бола ма?
Жоқ, Studio-да текстті дауысқа айналдыратын құрал да, бөлек Lipsync құралы да жоқ. Онда сурет пен видео жасайсыз, ал Veo 3.1, Kling 3.0, Seedance 2.0 сияқты модельдер видеоны дыбысымен бірге жасайды. Қазақша дауысты мақалада аталған құралдардың бірінде жасайсыз не өз дауысыңызды жазып аласыз, содан кейін монтажда видеоға қосасыз.
Дауысты видеоға қалай қосамын?
Дайын дауыс файлын CapCut не DaVinci Resolve сияқты монтаж бағдарламасына қосып, видеоны сөздің ырғағына қарай кесесіз. Ал кейіпкер экранда сөйлесе, оның ернін дауысқа Lipsync құралымен сәйкестендіресіз. Кейіпкерді сөйлетуді тегін сабақтардың төртіншісінде көрсеттік.
Ағылшынша білмесем, бұл құралдарды үйрене аламын ба?
Иә, үйрене аласыз. AI.Cinema курсының барлық сабағы қазақ тілінде, ағылшын тілін білу міндетті емес. Dansai AI Studio-да промптты қазақша жаза бересіз, ал Director AI функциясы оны таңдалған модельге сай кәсіби ағылшын промптына айналдырады.
Мұның бәрі интернетте тегін бар ғой, курс не үшін керек?
Әр құрал туралы ақпарат интернетте шынымен көп, бірақ фильм жасау үшін сценарийді, кейіпкерді, кадрды, дауыс пен монтажды бір жүйеге біріктіру керек. AI.Cinema курсы осы жолды қазақ тілінде, ретімен көрсетеді, ал практиканы VPN мен USD картасыз, жеке кабинетіңіздегі Dansai AI Studio-да жасайсыз. Алдымен тегін бастағыңыз келсе, тегін сабақтарды көріңіз.