ElevenLabs: Cara Membuat Sulih Suara AI yang Terdengar Alami

ElevenLabs adalah perusahaan audio AI yang paling dikenal lewat teknologi text to speech yang terdengar alami, dengan intonasi, tempo, dan emosi yang meyakinkan. Selain fitur inti itu, ElevenLabs menawarkan perpustakaan suara siap pakai, alat untuk mendesain atau mengkloning suara, pengubah suara yang mengonversi satu rekaman ke suara lain, dubbing otomatis ke bahasa lain, editor untuk konten panjang seperti audiobook dan podcast, pembuatan efek suara, serta speech-to-text. Developer bisa memakai teknologi yang sama melalui API, termasuk untuk agen suara yang bisa bercakap-cakap.

Penggunanya antara lain kreator video yang membutuhkan narasi, tim e-learning, pemasar yang memproduksi iklan dan video penjelasan, pengembang game yang mengisi suara karakter, penerbit yang membuat audiobook, serta orang yang mengandalkan suara sintetis untuk aksesibilitas.

Pemakaian diukur dengan kredit yang bergantung pada seberapa banyak teks yang Anda konversi dan fitur apa yang Anda gunakan. Setiap paket berbeda dalam jatahnya serta alat dan hak yang disertakan, jadi periksa halaman paket terbaru sebelum memilih.

ElevenLabs menawarkan beberapa model suara. Sebagian mengutamakan ekspresi dan kualitas, sementara yang lain disetel untuk latensi rendah dalam aplikasi real-time. Untuk sulih suara yang direkam, pilih model yang berfokus pada kualitas; model tercepat ditujukan untuk penggunaan langsung yang lebih mementingkan waktu respons daripada nuansa.

Tulislah naskah untuk didengar, bukan untuk dibaca. Kalimat pendek terdengar lebih natural daripada kalimat panjang, dan tanda baca membentuk cara penyampaian: koma dan titik menciptakan jeda, tanda pisah dan elipsis mengubah ritme, dan tanda tanya menaikkan intonasi. Tuliskan angka, tanggal, singkatan, dan simbol persis seperti cara Anda ingin mengucapkannya, misalnya apakah singkatan seperti UMKM dibaca per huruf atau sebagai satu kata, dan tulis ulang nama yang tidak lazim secara fonetis jika suaranya tersendat. Untuk nama merek dan istilah teknis yang sering muncul, kamus pelafalan menghemat perbaikan berulang.

Pengaturan suara menyempurnakan hasilnya. Stabilitas yang lebih rendah menghasilkan bacaan yang lebih ekspresif dan bervariasi, sedangkan stabilitas yang lebih tinggi terdengar lebih konsisten tetapi bisa menjadi datar. Pengaturan kemiripan (similarity) mengatur seberapa dekat hasilnya dengan suara aslinya, dan kontrol gaya serta kecepatan menyesuaikan penekanan dan tempo. Sebagian model yang lebih baru juga menerima isyarat singkat dalam kurung siku yang menggambarkan cara penyampaian, seperti berbisik atau tertawa. Buat dua atau tiga take untuk kalimat yang sulit, dan buat ulang hanya bagian yang perlu diperbaiki.

Perpustakaan suara berisi koleksi suara yang besar, sebagian dibuat oleh ElevenLabs dan banyak yang dibagikan komunitas. Anda bisa memfilter berdasarkan bahasa, aksen, jenis kelamin, usia, dan kegunaan, seperti narasi, konten percakapan, pembacaan bergaya berita, atau karakter. Sebelum membangun satu seri konten dengan suara yang dibagikan komunitas, baca catatan yang dilampirkan pemiliknya dan ingat bahwa suara yang dibagikan bisa saja dihapus dari perpustakaan di kemudian hari.

Voice design membuat suara sintetis baru dari deskripsi tertulis. Anda bisa meminta narator yang hangat dan tidak terburu-buru dengan nada rendah dan sedikit serak, atau presenter muda yang ceria dan energik. Alat ini menghasilkan beberapa pratinjau, lalu Anda menyimpan yang paling cocok. Karena hasilnya bukan milik orang sungguhan, voice design adalah cara yang baik untuk mendapatkan suara merek yang khas tanpa mengkloning siapa pun.

Apa pun pilihan Anda, jaga konsistensinya. Gunakan suara, model, dan pengaturan yang sama di sepanjang seri, catat semuanya, dan uji naskah baru dengan sampel pendek sebelum membuat satu episode penuh.

Model multibahasa ElevenLabs bisa berbicara dalam puluhan bahasa, dan sebuah suara umumnya mempertahankan karakternya ketika berganti bahasa. Kualitas dan aksen tetap berbeda dari satu bahasa ke bahasa lain, jadi mintalah penutur asli mendengarkannya sebelum diterbitkan, terutama untuk iklan atau materi pembelajaran, karena tekanan kata yang salah atau frasa yang janggal bisa meruntuhkan kepercayaan. Untuk narasi berbahasa Indonesia, misalnya, perhatikan pelafalan kata serapan dan nama daerah.

Alat dubbing menerima file video atau audio, mentranskripsikannya, menerjemahkannya, dan mengisinya ulang dengan suara dalam bahasa sasaran sambil berusaha mempertahankan karakter suara dan timing setiap pembicara. Tinjau transkrip dan terjemahannya sebelum render final: idiom, nama produk, dan lelucon jarang selamat utuh dari terjemahan otomatis.

Saat melokalkan konten, ingat bahwa pesan yang sama bisa jauh lebih panjang dalam sebagian bahasa dibandingkan bahasa lain. Padatkan naskah terjemahan bila perlu agar sulih suaranya pas dengan gambar, alih-alih mempercepat suara sampai terdengar terburu-buru.

ElevenLabs menawarkan dua jenis kloning. Klon cepat dibuat dari sampel pendek dan menangkap karakter umum sebuah suara. Klon profesional dilatih dengan rekaman berkualitas tinggi yang lebih panjang dan terdengar lebih mirip aslinya, dan layanan ini meminta Anda memverifikasi bahwa suara itu memang milik Anda sebelum klon dibuat.

Persetujuan adalah aturan yang tidak bisa ditawar. Kloning hanya suara Anda sendiri atau suara orang yang sudah memberi izin secara tegas dan sadar, idealnya tertulis, yang mencakup apa yang akan diucapkan klon itu, di mana akan dipakai, berapa lama, dan dengan syarat apa. Ketentuan ElevenLabs mewajibkan Anda memiliki hak dan persetujuan yang diperlukan untuk setiap suara yang Anda unggah. Mengkloning suara selebritas, politisi, rekan kerja, atau kerabat tanpa izin melanggar ketentuan tersebut dan bisa melanggar hukum terkait penipuan, pencemaran nama baik, dan hak atas citra diri.

Bekerja dengan pengisi suara membutuhkan kehati-hatian yang sama. Cantumkan penggunaan klon suara mereka dalam kontrak, hormati aturan serikat atau agensi, dan jangan pernah memakai klon itu untuk konten yang belum mereka setujui. Untuk klon suara Anda sendiri, rekam di ruangan yang tenang dengan jarak yang konsisten dari mikrofon yang layak, tanpa musik atau gema, dengan gaya bicara yang sesuai dengan konten yang ingin Anda produksi.

Beri tahu audiens bahwa suara yang mereka dengar adalah suara sintetis dalam situasi ketika mereka wajar mengira itu suara manusia, seperti iklan, layanan pelanggan lewat telepon, konten bergaya berita, dan apa pun yang bisa memengaruhi keputusan seseorang. Banyak platform juga mewajibkan label untuk media realistis yang dibuat dengan AI.

Jangan pernah memakai suara sintetis untuk menyamar sebagai orang lain, memalsukan dukungan (endorsement), atau melakukan panggilan yang menipu. Penipuan dengan kloning suara, yaitu penelepon yang meniru suara anggota keluarga atau atasan lalu meminta uang, adalah masalah nyata yang terus berkembang. ElevenLabs telah memasang pengamanan dan merilis alat yang membantu mendeteksi audio yang dibuat dengan modelnya, dan penyalahgunaan bisa berujung pada penangguhan akun serta konsekuensi hukum.

Ada baiknya juga melindungi diri dan keluarga Anda. Sepakati kata kunci rahasia keluarga untuk permintaan mendesak lewat telepon, dan verifikasi setiap permintaan uang yang tak terduga dengan menelepon balik ke nomor yang sudah Anda kenal. Modusnya mirip penipuan telepon yang mengaku keluarga sedang tertimpa musibah, hanya saja kini suaranya bisa terdengar sangat meyakinkan.

Hak komersial bergantung pada paket Anda. Paket gratis lebih terbatas, misalnya soal atribusi dan penggunaan komersial, jadi periksa ketentuan terbaru sebelum menerbitkan video yang dimonetisasi, iklan, atau kursus berbayar yang memakai audio ElevenLabs.

Alur kerja yang andal kira-kira seperti ini: finalkan naskah, uji beberapa kalimat yang mewakili, buat narasi lengkap per bagian, lalu sunting audionya di editor video atau audio workstation. Seragamkan tingkat kenyaringan (loudness), pangkas bunyi klik dan tarikan napas yang janggal, tambahkan musik dan suara latar ruangan, lalu dengarkan sekali lagi dengan headphone dan speaker ponsel sebelum mengekspor.

Simpan catatan untuk setiap proyek, termasuk suara, model, pengaturan, dan, untuk suara hasil kloning, dokumen persetujuannya. Catatan ini memudahkan revisi dan memberi jawaban yang jelas jika suatu saat klien atau platform menanyakan asal sebuah suara.