Należy poprawić głos syntezatora mowy, aby był bardziej naturalny

Chcę połączyć 2 piosenki z bardzo różnymi bitami, jedna jest taka nudna, a druga wesoła, ale chcę, aby połączono drugą piosenkę jak u DJ-a, tam gdzie coś się zacina i tak dalej, żeby to wyglądało fajnie, a na koniec piosenki chcę, aby znowu dodano tę samą nudną, ale żeby to wszystko się złożyło. I żeby to wszystko było online.

Opis projektu: Cześć! Mam specyficzny nagranie audio (zawartość 18+). Na nagraniu słychać dźwięki i głos o charakterze seksualnym (westchnienia, cichy szept lub mowa). W tle cicho działa telewizor, którego dźwięki mieszają się z głównym tłem i utrudniają zrozumienie słów. Wiele rzeczy w ogóle nie jest słyszalnych dla zwykłego ucha. Całkowity czas trwania pliku to 43 minuty, ale jest głównie cichy. Szczególną uwagę należy zwrócić na takie znaczniki czasowe (na pewno są tam dźwięki/frazy, które należy maksymalnie wzmocnić i oczyścić): 17:29 17:38 19:06 20:24 21:23 21:28 23:52 28:58 29:53 Co należy zrobić: 1. Za pomocą profesjonalnego oprogramowania (na przykład iZotope RX) przyciszyć telewizor i maksymalnie wydobyć/uczynić zrozumiałym cichy głos w podanych przedziałach czasowych. 2. Wykonać tekstową transkrypcję (transkrypcję) usłyszanych słów. Ważne: Proszę, dodaj do odpowiedzi krótki test demo (dosłownie 10–15 sekund przetwarzania dowolnego z podanych znaczników czasowych), abym mógł ocenić, czy udaje ci się wydobyć głos. Plik dołączam. Szukam wykonawcy, który tolerancyjnie podejdzie do specyfiki i jakościowo przetworzy dźwięk. Czekam na twoje propozycje dotyczące ceny i terminów. Dziękuję! Nie zapomnij dołączyć samego pliku audio przed naciśnięciem przycisku publikacji. Powodzenia, mistrz na pewno się znajdzie! Plik przekażę wybranemu wykonawcy lub wyślę w wiadomościach prywatnych po publikacji projektu.

Cześć! Potrzebuję poprawić jakość nagrania audio, aby słowa były wyraźnie zrozumiałe. Oto szczegóły zadania: Na nagraniu słabo słychać rozmowę osoby z powodu silnego hałasu tła silnika samochodu. Dźwięk silnika jest monotoniczny, ale zagłusza użyteczny sygnał (rozmowę). Ponadto głos brzmi stłumiony, ponieważ rozmowa była prowadzona przez głośnik (głośnomówiący). Czas trwania nagrania wynosi około 15-20 minut. Należy maksymalnie stłumić niskoczęstotliwołowy hałas silnika, podnieść częstotliwości zrozumiałości mowy (zakres 1–4 kHz) i uczynić słowa zrozumiałymi do transkrypcji (stenogramy). Szczególne życzenia: Ważne jest, aby nie "przytłumić" dźwięku filtrami AI, aby głosy nie zamieniły się w robotyczny metaliczny artefakt. Jeśli całkowite usunięcie hałasu bez szkody dla mowy jest niemożliwe, lepiej pozostawić część hałasu, ale zachować artykulację słów i aby było zrozumiałe dla obu mówców.

Wykonać transkrypcję pliku audio. Tłumaczenie na tekst pisany z zachowaniem dokładnego sensu. Audio z szumem. Czas trwania - około 1 godziny.

Audio 30 minut z hałasem. Zapisz rozmowę każdego uczestnika w tekst, wykluczając dźwięki z telewizora i ulicy.