After Effects Text-to-Speech: eine KI-Stimme, die Ihre Animation antreibt
After Effects animiert hervorragend zu Audio, verwandelt aber keinen Text in Sprache. Für ein Erklärvideo, Kinetic Typography oder eine sprechende Figur vertonen Sie das Skript am besten mit einem Text-to-Speech-Werkzeug, importieren das Audio und lassen After Effects seine Lautstärke auslesen.
Die kostenlose SuperClonica-Engine vertont das Skript auf demselben Rechner, offline, mit natürlichen Stimmen und Figurenstimmen aus dem Katalog. Diese Anleitung zeigt den ganzen Weg vom Skript bis zur Komposition, die sich mit der Stimme bewegt.
Das Skript vertonen
Installieren Sie die Engine einmal mit python -m pip install superclonica-cpu; das Modell wird beim ersten Start geladen, danach läuft alles offline. Speichern Sie das Skript als Textdatei und vertonen Sie es: superclonica --text-file script.txt --voice F3 --lang de --normalize --output voice.wav. Bei mehreren Szenen oder Figuren vertonen Sie jede Zeile in eine eigene Datei, damit eine Änderung nur eine betrifft. Testen Sie Stimmen vorher mit einem Satz auf ihrer Katalogseite, kostenlos und ohne Konto.
Importieren und platzieren
Wählen Sie in After Effects File, Import, File (Datei, Importieren, Datei) oder ziehen Sie das WAV ins Projektfenster und dann in Ihre Komposition. Drücken Sie auf der Ebene zweimal L, um die Wellenform zu sehen und Text und Einstellungen an den Wörtern auszurichten. Sehen Sie sich die Vorschau mit Ton im Vorschaufenster an und senken Sie Musik unter der Stimme mit Audio Levels.
Alles mit der Stimme bewegen
Wählen Sie die Stimmebene und dann Animation, Keyframe Assistant, Convert Audio to Keyframes. After Effects fügt eine Ebene Audio Amplitude hinzu, deren Regler Both Channels der Lautstärke der Stimme folgt. Verknüpfen Sie jede Eigenschaft per Expression damit, etwa die Skalierung eines Mundes oder Lautsprechersymbols: thisComp.layer("Audio Amplitude").effect("Both Channels")("Slider"). Für echte Mundformen passend zu den Lauten zeigt unsere Lip-Sync-Anleitung, wie Sie dasselbe WAV in zeitlich gesetzte Viseme verwandeln. In der deutschen Oberfläche können die Menünamen abweichen.
Korrigieren und verfeinern
Klingt eine Zeile falsch, ändern Sie den Text und vertonen diese Datei neu, statt die Wellenform zu bearbeiten: Das dauert Sekunden, und die Komposition übernimmt die neue Datei, wenn Sie das Footage ersetzen. Kommas und Punkte setzen Pausen, und Zahlen werden am zuverlässigsten als Wörter gelesen. Jede Stimme spricht 31 Sprachen, dieselbe Stimme erzählt also auch Fassungen auf Englisch, Spanisch oder Japanisch; Chinesisch wird noch nicht unterstützt.